Análisis basados en gráficos y aprendizaje automático con TigerGraph

Capítulo 10. Métodos de aprendizaje automático basados en grafos

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Después de completar este capítulo, deberías ser capaz de:

• Enumera tres formas básicas en que los datos y análisis gráficos pueden mejorar el aprendizaje automático

• Señala qué algoritmos de grafos han demostrado ser valiosos para el aprendizaje no supervisado

• Extrae características gráficas para enriquecer tus datos de entrenamiento para el aprendizaje automático supervisado

• Describe cómo se han ampliado las redes neuronales para aprender en grafos

• Proporcionar casos de uso y ejemplos para ilustrar el aprendizaje automático basado en grafos

• Elige qué tipos de aprendizaje automático basado en gráficos son adecuados para ti

Comenzamos ahora el tercer tema de nuestro libro: Aprender. Es decir, vamos a tomarnos en serio el núcleo del aprendizaje automático: el entrenamiento de modelos. La Figura 10-1 muestra las etapas de un proceso sencillo de aprendizaje automático. En la Parte 1 de este libro, exploramos el tema Conectar, que se ajusta a las dos primeras etapas de la tubería: adquisición de datos y preparación de datos. Las bases de datos de grafos facilitan la extracción de datos de múltiples fuentes en una base de datos conectada y la resolución de entidades.

Figura 10-1. Canal de aprendizaje ...