VIDEO DESCRIPTION:

Play, download and edit the free video ScaleUp 360 Cognitive Technologies - Neo4J.

Data Science und Machine Learning sind überall. Aber nutzen wir auch die richtigen Daten um unsere Modelle zu füttern? Oft sind relevante Aspekte zwischen den Zeilen versteckt, in den Verbindungen die die Informationen korrelieren. Mit Graphalgorithmen kann man diese topologischen Details ans Licht bringen. Neo4j hat eine skalierbare Bibliothek von Graph Algorithmen entwickelt, die neue Ansätze ermöglicht um eigene Daten zu analysieren. Michael Hunger zeigt, wie man die Bibliothek einsetzt und was Nutzer damit bereits erreicht haben.

Das Graphs4Good-Programm von Neo4j unterstützt COVID-19 relevante Projekte und ermöglicht Wissenschaftlern freien Zugriff auf die neuesten Daten rund um das Coronavirus. Dr. Alexander Jarasch wird den CovidGraph präsentieren und in einer live Demo veranschaulichen wie Wissenschaftler mit hilfe von Graphen schneller forschen können.

Welche Beziehung haben Graph Algorithmen zu Maschinellem Lernen und Data Science?
Wie kann man eigene Daten mittels der Graph Data Science Bibliothek von Neo4j verarbeiten?
Warum eignen sich Graphdatenbanken ideal, um sowohl einzelne Datensätze als auch die Zusammenhänge zwischen den Daten – Menschen, Dokumente, Maschinen etc. – zu visualisieren und stark vernetzte Informationen abzufragen?
Knowledge Graph ist einer der wichtigsten Use Cases von Graphdatenbanken, denn sie eignen sich ideal, um sowohl einzelne Datensätze als auch die Zusammenhänge zwischen den Daten zu visualisieren und stark vernetzte Informationen abzufragen.
Ausschließlich Graphen ermöglichen near real-time Abfragen über bisher isolierte Datensilos hinweg. Je mehr Daten miteinander verknüpft werden, desto mehr Kontext entsteht, den die Graph-Algorithmen abfragen und für Entscheidungen heranziehen können.

Download, play and edit free videos and free audios from ScaleUp 360 Cognitive Technologies - Neo4J using RedcoolMedia.net web apps