یک گراف، به زبان ساده، شبکه ای از داده‌های متصل است. گراف‌ها روشی کارآمد برای شناسایی و کشف روابط مهمی هستند که به طور طبیعی در یک مجموعه داده رخ می‌دهند. این کتاب مهم‌ترین الگوریتم‌ها را برای علم داده‌های گراف با مثال‌هایی از یادگیری ماشین، برنامه‌های کاربردی تجاری، پردازش زبان طبیعی و موارد دیگر ارائه می‌کند.

کتاب Graph Algorithms for Data Science (الگوریتم ‌های گرفا برای علوم داده)، به شما نشان می‌دهد که چگونه گراف‌ها را از داده‌های ساختاریافته و بدون ساختار بسازید و تجزیه و تحلیل کنید. در این کتاب، با قرار دادن هر الگوریتم جدید در یک پروژه داده عملی، استفاده از الگوریتم‌های گراف مانند PageRank، تشخیص/خوشه‌بندی جامعه، و مدل‌های گراف دانش را یاد خواهید گرفت. این کتاب پیشرفته همچنین نشان می‌دهد که چگونه می‌توانید گراف هایی ایجاد کنید که ورودی مدل‌های هوش مصنوعی را با استفاده از تعبیه گره بهینه می‌کند.

مطالبی که در کتاب Graph Algorithms for Data Science: With examples in Neo4j یاد خواهید گرفت:

• مدل‌سازی گراف ویژگی برچسب‌گذاری شده
• ساخت یک گرفا از داده‌های ساختار یافته مانند CSV یا SQL
• تکنیک‌های NLP برای ساختن یک گراف از داده‌های بدون ساختار
• نحو زبان پرس و جو سایفر برای دستکاری داده‌ها و استخراج بینش
• الگوریتم‌های تجزیه و تحلیل شبکه‌های اجتماعی مانند PageRank و تشخیص جامعه
• چگونگی ترجمه ساختار گراف به ورودی مدل ML با مدل‌های تعبیه گره
• استفاده از ویژگی‌های گراف در طبقه‌بندی گره و گردش‌های کاری پیش‌بینی پیوند