Dane grafowe w praktyce.
Jak technologie grafowe ułatwiają rozwiązywanie złożonych problemów

Komputer do pracy potrzebuje liczb i danych. Człowiek chętniej wysnuwa wnioski i wyodrębnia kontekst na podstawie relacji. Te dwa sposoby myślenia są tak odmienne, że komputery do niedawna z trudem wykonywały zadania związane z operowaniem na relacjach. Obecnie może się to zmienić dzięki grafom. Technologie grafowe łączą ludzkie postrzeganie świata i liniową pamięć komputerów. Ich wdrożenie na szerszą skalę będzie stanowić przełom i pozwoli osiągnąć nieznany dziś poziom. Ale najpierw trzeba nauczyć się stosować myślenie grafowe w rozwiązywaniu problemów technicznych.

Dzięki tej książce opanujesz podstawy myślenia grafowego. Zapoznasz się z elementarnymi koncepcjami grafowymi: teorią grafów, schematami baz danych, systemami rozproszonymi, a także analizą danych. Dowiesz się również, jak wyglądają typowe wzorce wykorzystania danych grafowych w aplikacjach produkcyjnych. Poznasz sposób, w jaki można te wzorce stosować w praktyce. Pokazano tu, jak używać technik programowania funkcyjnego oraz systemów rozproszonych do tworzenia zapytań i analizowania danych grafowych. Opisano też podstawowe podejścia do proceduralnego przechodzenia przez dane grafowe i ich wykorzystanie za pomocą narzędzi grafowych.

W książce:

• nowy paradygmat rozwiązywania problemów: dane grafowe
• wzorce wykorzystania danych grafowych
• przykładowa architektura aplikacji w technologiach relacyjnych i grafowych
• technologie grafowe a przewidywanie preferencji i zaufania użytkowników
• filtrowanie kolaboratywne i jego zastosowanie
• Grafy: przełomowa koncepcja w analizie danych

O autorach

Dr Denise Koessler Gosnell bada i wdraża dane grafowe. Obecnie jest dyrektorką do spraw danych w DataStax, wcześniej zajmowała się łańcuchami bloków, uczeniem maszynowym i analizą wykresów. Opatentowała wiele zastosowań grafów i algorytmów grafowych.

Dr Matthias Broecheler pełni funkcję dyrektora technicznego w DataStax. Jest ekspertem w zakresie grafowych baz danych, relacyjnego uczenia maszynowego i analizy dużych zbiorów danych, a także twórcą bazy danych Titan.