Graph Data Science na Prática
Workshop com instrutor de Graph Data Science: projete grafos, execute algoritmos de comunidade e centralidade no Neo4j e detecte fraudes em dados reais.
In this 4-hour workshop, you will learn
Este curso é o material de apoio do Workshop Go to glossary for graph data science (opens in a new tab)Analysing data through the structure of its connections. Also the name of the Neo4j library that implements it. na Prática, uma sessão prática conduzida por instrutor, com cerca de quatro horas de duração. Ele foi criado para dar a você um conjunto de habilidades fundamentais e abrangentes para realizar análises de dados em grafos com dados do mundo real.
O workshop apresenta conceitos básicos de modelagem de dados em grafos e conduz você por um fluxo de trabalho repetível usando GDS no Neo4j Browser. Ao longo da jornada, você aplica algoritmos de detecção de comunidades e de centralidade a um caso de uso real de detecção de fraudes.
Graph Data Science
Understand how graph algorithms work in Neo4j GDS, project in-memory graphs, and apply machine learning-ready features to real-world datasets.
Detecção de comunidades
Run community detection algorithms such as Louvain and Label Propagation to identify clusters and group structures within a graph dataset.
Detecção de fraudes
Build a fraud detection pipeline using centrality algorithms and graph patterns to surface suspicious relationships in real financial data.
What you need to take part.
A GraphAcademy account
The workshop is delivered here on GraphAcademy, so you need to be signed in to work through the lessons and keep your progress. Creating an account is free.
2 modules, 4 hours.
Para quem é este curso
Este workshop é para quem já conhece o básico do Neo4j e quer começar a analisar a estrutura dos seus grafos: analistas, cientistas de dados e desenvolvedores que precisam responder perguntas que consultas comuns não expressam bem — quem é mais influente, quais contas formam um grupo suspeito, o que é semelhante a quê. Você deve ter um entendimento fundamental de bancos de dados de grafos e do Neo4j, e um conhecimento rudimentar de Full definition for Cypher (opens in a new tab)Neo4j's implementation of GQL, the ISO standard query language for graph databases. It is declarative: you describe the pattern to find, and the database decides how to find it. básico é suficiente; você também precisa de uma conta na GraphAcademy, que pode ser criada durante a própria sessão.
O que você vai fazer
A primeira parte do workshop concentra a teoria: você distingue o Go to glossary for graph data science (opens in a new tab)Analysing data through the structure of its connections. Also the name of the Neo4j library that implements it. (o plugin do Neo4j) da disciplina de graph data science, aprende o fluxo de trabalho Project → Run → Write e percorre as cinco categorias de algoritmos — Centralidade, Detecção de Comunidades, Full definition for pathfinding (opens in a new tab)A family of algorithms that find routes through a graph. What counts as the best route differs by algorithm., Full definition for node embedding (opens in a new tab)A list of numbers that stands in for a node's position in the graph, so that nodes in similar positions get similar lists. e Similaridade — enquadrando cada uma pela pergunta que ela responde. Na prática, você cria projeções de grafo para diferentes perguntas analíticas, configura relacionamentos não direcionados, pesos e propriedades de nós, executa algoritmos das cinco categorias em uma rede de colaboração de atores e conhece os cinco modos de execução: stream, stats, mutate, write e estimate.
Na segunda parte, você aplica o que aprendeu a um conjunto de dados real de transações financeiras P2P. Com aprofundamentos nos algoritmos Full definition for Louvain algorithm (opens in a new tab)A community detection algorithm that repeatedly merges nodes into groups for as long as merging raises modularity. e Full definition for weakly connected components (opens in a new tab)Groups of nodes in which every node is reachable from every other, once relationship direction is ignored. The GDS algorithm that finds them takes the same name., você usa detecção de comunidades para descobrir riscos de fraude; com Full definition for PageRank (opens in a new tab)A centrality algorithm that scores a node by the number of nodes pointing at it and by how important those nodes are., Betweenness e Degree, ranqueia os nós mais influentes da rede. Você também aprende a codificar hipóteses de domínio como relacionamentos de grafo para uma análise direcionada — os algoritmos calculam scores, e é você quem decide o que esses scores significam. Todo o conteúdo permanece disponível na sua conta depois da sessão, então você pode repetir os exercícios no seu próprio ritmo.
Próximos passos
Ao final do workshop, você terá um fluxo de trabalho repetível para investigar um grafo com algoritmos — da projeção à interpretação dos resultados. Para uma experiência estendida cobrindo o cliente Go to glossary for graph data science (opens in a new tab)Analysing data through the structure of its connections. Also the name of the Neo4j library that implements it. em Python e o Go to glossary for Aura Graph Analytics (opens in a new tab)The Aura service that runs graph algorithms in a separate session, with no plugin to install., veja o workshop complementar GDS Python Client & Aura Graph Analytics. Você encontra a lista completa de workshops presenciais e online em Workshops.