【2020新书】图机器学习，Graph-Powered Machine Learning

https://www.manning.com/books/graph-powered-machine-learning

机器学习的核心是有效地识别数据中的模式和关系。许多任务，例如查找词汇之间的关联以便您能够做出准确的搜索建议，或者在社交网络中定位具有相似兴趣的个人，很自然地以图Graph的形式表达出来。图驱动机器学习教你如何使用基于图形的算法和数据组织策略来开发高级的机器学习应用程序。

对这项技术

对于任何涉及到大型数据集中的模式匹配的任务，基于图的机器学习都是一个非常强大的工具。应用程序包括安全问题，如识别欺诈或检测网络入侵，应用程序领域，如社交网络或自然语言处理，以及更好的用户体验，通过准确的推荐和智能搜索。通过将数据组织和分析为图形，您的应用程序可以更流畅地使用以图形为中心的算法(如最近邻算法或页面排名算法)，在这些算法中，快速识别和利用相关关系非常重要。现代图形数据存储(如Neo4j或Amazon Neptune)是支持图形机器学习的现成工具。

关于这本书

图驱动机器学习向您介绍图技术概念，强调图在机器学习和大数据平台中的作用。您将深入了解各种技术，包括数据源建模、算法设计、链接分析、分类和集群。在掌握核心概念之后，您将探索三个端到端项目，它们将演示体系结构、最佳设计实践、优化方法和常见缺陷。作者亚历山德罗·内格罗在构建基于图形的机器学习系统方面的丰富经验在每一章中都有所体现，你可以从他与真实客户合作的实例和具体场景中学习!

里面有什么

• 机器学习项目的生命周期

• 三端到端应用程序

• 大数据平台中的图形

• 数据源建模

• 自然语言处理、推荐和相关搜索

• 优化方法

目录：

便捷查看下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“GPML” 就可以获取《图机器学习Graph-Powered Machine Learning》电子书pdf样例和46页PPT专知下载链接索引

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资料