Le guide du praticien pour les données graphiques

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : translation-feedback@oreilly.com Les données graphiques comblent le fossé entre la façon dont les humains et les ordinateurs voient le monde. Alors que les ordinateurs s'appuient sur des...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: Matthias Broecheler, Denise Gosnell
Format: Buch
Sprache:fre
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : translation-feedback@oreilly.com Les données graphiques comblent le fossé entre la façon dont les humains et les ordinateurs voient le monde. Alors que les ordinateurs s'appuient sur des lignes et des colonnes statiques de données, les gens naviguent et raisonnent sur la vie à travers des relations. Ce guide pratique montre comment les données graphiques rapprochent ces deux approches. En travaillant avec des concepts de la théorie des graphes, des schémas de base de données, des systèmes distribués et de l'analyse des données, tu arriveras à une intersection unique connue sous le nom de pensée graphique. Les auteurs Denise Koessler Gosnell et Matthias Broecheler montrent aux ingénieurs, aux scientifiques et aux analystes de données comment résoudre des problèmes complexes avec des bases de données graphiques. Tu exploreras des modèles pour construire avec la technologie des graphes, ainsi que des exemples qui montrent comment les équipes pensent aux données des graphes au sein d'une application. Construis un exemple d'architecture d'application avec les technologies relationnelles et de graphes. Utiliser la technologie des graphes pour construire une application Customer 360, le modèle de données graphiques le plus populaire aujourd'hui. Plonger dans les données hiérarchiques et dépanner un nouveau paradigme issu du travail avec des données graphiques. Trouve des chemins dans les données graphiques et apprends pourquoi ta confiance dans les différents chemins motive et informe tes préférences. Utilise le filtrage collaboratif pour concevoir un système de recommandation inspiré de Netflix.