مجله علمی تفریحی بیبیس
0

دانلود کتاب الگوریتم‌های گراف برای علوم داده

بازدید 698
  • عنوان کتاب: Graph-Algorithms-for-Data-Science-v6
  • نویسنده: Tomaž-Bratanič
  • حوزه: گراف
  • سال انتشار: 2022
  • تعداد صفحه: 241
  • زبان اصلی: انگلیسی
  • نوع فایل: pdf
  • حجم فایل: 9.45 مگابایت

این کتاب برای هر کسی که هیچ تجربه ای در زمینه نمودارها ندارد و برای کاربران با تجربه تر گراف نوشته شده است تا درک خود را از الگوریتم های نمودار و نقش آنها در تجزیه و تحلیل های مختلف افزایش دهد. با تجزیه و تحلیل سنتی، شما سعی می کنید نقاط داده را درک کنید، در حالی که با تجزیه و تحلیل گراف، بیشتر بر روی تجزیه و تحلیل ارتباطات بین نقاط داده متمرکز هستید. الگوریتم‌های گراف برای بررسی آن اتصالات بین نقاط داده طراحی شده‌اند و به شما کمک می‌کنند بفهمید چه کسی به خوبی متصل است، چه کسی بیشترین تأثیر را دارد، چگونه جوامع تشکیل می‌شوند و موارد دیگر. وقتی پنج سال پیش برای اولین بار آزمایش تجزیه و تحلیل گراف را شروع کردم، ابزارهای زیادی در دسترس نبود، و شما اغلب نیاز به ترکیب چند ابزار برای کمک به ساخت یک نمودار و سپس تجزیه و تحلیل آن دارید. نه تنها این، بلکه آموزش ها یا دوره های زیادی وجود نداشت که گردش کار تجزیه و تحلیل نمودار را به زبان ساده توضیح دهد. به همین دلیل، من تصمیم گرفتم این کتاب را بنویسم که تعداد ابزارهای مورد نیاز برای شروع را به حداقل برساند و الگوریتم های نمودار و گردش کار تجزیه و تحلیل را به صورت پایه توضیح دهد. من مزایای استفاده از پایگاه داده گراف را ارائه خواهم کرد و به شما یاد خواهم داد که چگونه با استفاده از تکنیک های NLP یک نمودار از داده های ساختاریافته و بدون ساختار بسازید. در طول مسیر، یاد خواهید گرفت که چگونه از زبان پرس و جو Cypher برای دستکاری ساختار نمودار و استخراج بینش های ارزشمند استفاده کنید. در مرحله بعد، من شما را از طریق الگوریتم‌های نمودار معمولی مانند PageRank و الگوریتم‌های تشخیص/خوشه‌بندی جامعه راهنمایی می‌کنم و نحوه استفاده از آنها را در عمل نشان می‌دهم. بخش آخر کتاب بر روی یادگیری ماشین گراف تمرکز می کند، به ویژه چگونگی ترجمه توپولوژی و ساختار گراف به ورودی مدل یادگیری ماشین با استفاده از مدل های تعبیه گره و شبکه های عصبی گراف.

This book has been written for anyone with no experience with graphs to more experienced graph users to augment their understanding of graph algorithms and their role in the various analysis. With traditional analytics, you are trying to make sense of data points, whereas with graph analytics, you are more focused on analyzing connections between data points. Graph algorithms are designed to investigate those connections between data points and help you explore who is well connected, who has the most influence, how communities form, and more. When I first started experimenting with graph analytics five years ago, there weren’t many tools available, and you would often need to combine a few tools helping you construct a graph and then analyze it. Not only that, but there weren’t many tutorials or courses available that would explain the graph analysis workflow in simple terms. For this reason, I’ve decided to write this book that would minimize the number of tools needed to get started and explain graph algorithms and analysis workflow in basic terms. I will present the advantages of using a graph database and teach you how to construct a graph from structured and unstructured data using NLP techniques. Along the way, you will learn how to use Cypher query language to manipulate graph structure and extract valuable insights. Next, I will walk you through the typical graph algorithms like PageRank and community detection/clustering algorithms and demonstrate how to use them in practice. The last part of the book will focus on graph machine learning, specifically how to translate graph topology and structure into machine learning model input by using node embedding models and graph neural networks.

این کتاب را میتوانید از لینک زیر بصورت رایگان دانلود کنید:

Download: Graph-Algorithms-for-Data-Science-v6

نظرات کاربران

  •  چنانچه دیدگاه شما توهین آمیز باشد تایید نخواهد شد.
  •  چنانچه دیدگاه شما جنبه تبلیغاتی داشته باشد تایید نخواهد شد.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.

بیشتر بخوانید