Capítulo 7. Aprendizaje automático nativo de grafos
Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com
En este capítulo, aprenderás sobre la intersección de los grafos y el ML. Verás cómo las técnicas de ML pueden enriquecer automáticamente un grafo de conocimiento existente, así como la forma de extraer características de un grafo de conocimiento para crear modelos predictivos precisos.
Este capítulo se basa en los conocimientos adquiridos en el Capítulo 6, en el que explotaste la topología de un grafo de conocimiento utilizando algoritmos de grafos. Al hacerlo, descubriste información útil, como los caminos más cortos entre nodos, y revelaste las comunidades dentro del grafo de conocimiento. En este capítulo volverás a poner en práctica los mismos conocimientos, utilizando Neo4j Graph Data Science, Cypher y Python. Te basarás en esos conocimientos y aprenderás a añadir el aprendizaje automático nativo de grafos a tu caja de herramientas para crear modelos que puedan enriquecer tu grafo de conocimiento.
Al igual que los Capítulos 3, 5 y 6, este capítulo no pretende ser una guía exhaustiva del ML basado en grafos, pero te proporciona información suficiente para que empieces a utilizar los grafos de conocimiento como base del ML, con suficiente detalle para que puedas explorar más a fondo si así lo deseas.
El aprendizaje automático en pocas palabras
El ML es un área enorme de investigación y práctica. Pero en su ...
Get Construir grafos de conocimiento now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
