Graph Data Science na Prática

https://graphacademy.neo4j.com/courses/workshop-gds/

O Workshop Graph Data Science na Prática foi criado para dar aos participantes 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 os usuários por um fluxo de trabalho repetível usando GDS no Neo4j Browser. Os participantes vão aplicar algoritmos de detecção de comunidades e de centralidade a um caso de uso real de detecção de fraudes.

Ao longo da jornada, os participantes terão uma introdução às cinco categorias de algoritmos (Centralidade, Detecção de Comunidades, Pathfinding, Node Embeddings e Similaridade), seguida de aprofundamentos em Detecção de Comunidades e Centralidade para detecção de fraudes.

O workshop pode ser apresentado online ou presencialmente e é mais adequado para sessões de 4 horas.

Para uma experiência estendida cobrindo o cliente GDS em Python e o Aura Graph Analytics, veja o workshop complementar GDS Python Client & Aura Graph Analytics.

Os participantes devem ter um entendimento fundamental de bancos de dados de grafos e do Neo4j. Um conhecimento rudimentar de Cypher básico é suficiente.

Os participantes precisarão de uma conta no GraphAcademy—se necessário, ela pode ser criada durante o workshop.

• Os fundamentos de Graph Data Science e o fluxo de trabalho GDS Project → Run → Write
• Como criar projeções de grafo para diferentes perguntas analíticas
• Algoritmos de detecção de comunidades (Louvain, WCC) para descobrir riscos de fraude
• Algoritmos de centralidade (PageRank, Betweenness, Degree) para ranquear os nós mais influentes
• Como codificar hipóteses de domínio como relacionamentos de grafo para uma análise direcionada

Todos os recursos do workshop estão em Developer Relations/GraphAcademy/Workshops/workshop-gds, incluindo:

• Guia dos facilitadores (este documento)
• How to use GraphAcademy Workshops & Slides
• Introductory slides (você deve fazer sua própria cópia)
• dev.neo4j.com/workshop-gds-notes[Um documento de notas para compartilhar links e chaves]
• GraphAcademy Neo4j & Generative AI Hands-on Workshop

O que você deve saber:

• Neo4j Fundamentals
• Cypher Fundamentals
• Get started with Graph Data Science

O que você vai precisar:

• Uma conta no GraphAcademy

O que você precisa fazer:

1. Complete o workshop antes de ministrá-lo
2. Revise o plano de estrutura (abaixo) para contexto / abordagem adicional
3. Crie uma cópia personalizada dos slides de introdução
4. (Dependendo do tamanho do workshop > 25 participantes) Solicite um aumento no tamanho do pool de sandboxes.
   1. No canal do Slack #sandbox-experience
   2. Use o comando /workshop [sandbox-name] [pool size increase] [start - YYYY-MM-DD HH:MM] [end - YYYY-MM-DD HH:MM]
   3. ex.: /workshop fraudmovies 20 2026-02-03 14:00 2026-02-03 16:00
5. Exclua sua matrícula anterior no workshop (para que você veja a mesma tela que os participantes)
6. Ministre o workshop!

(Todos os tempos são estimativas e adaptáveis)

Introdução

(10 min)

Apresente-se, apresente a sessão e peça aos participantes que façam login

Use os slides de introdução para se apresentar e apresentar a agenda

Apresente o GraphAcademy e peça aos participantes que criem uma conta e acessem a URL do workshop no documento de notas.

https://graphacademy.neo4j.com/courses/workshop-gds/

Atividade inicial - "pergunte às pessoas qual experiência (se alguma) elas já tiveram com Neo4j, GDS ou graph data science em geral"

Mostre aos participantes o resumo do curso no GraphAcademy, resuma os objetivos de aprendizagem e matricule-se no curso.

Fundamentos de GDS

(60 min)

Explique os conceitos centrais de graph data science e o fluxo de trabalho GDS.

Este módulo concentra o máximo de teoria possível no início para que os usuários possam entrar nos casos de uso práticos. Garanta que, ao final, todos tenham um entendimento básico dos conceitos explorados.

• Distinga entre GDS (o plugin do Neo4j) e graph data science (a disciplina). Apresente os principais pontos de acesso (Desktop, Aura, Python)
• Ensine o fluxo de trabalho Project -> Run -> Write.
• Percorra as cinco categorias de algoritmos. Enquadre cada uma pela pergunta que ela responde. Enfatize que os algoritmos calculam scores — você decide o que esses scores significam
• Explique as estruturas de grafo: monopartida, bipartida, multipartida e heterogênea.
• Projection Practice é o exercício prático. Dê aos participantes 5 minutos por exercício. Se estiver com pouco tempo, encurte as janelas de tempo ou pule esta aula — seu propósito é criar familiaridade habitual com projeções e oferecer um espaço seguro para errar. Há pouca diferença prática entre 5 minutos e 2 minutos por exercício.
• Execute algoritmos de todas as cinco categorias na rede de colaboração de atores. Não se detenha nos detalhes dos algoritmos aqui.
• Cubra os cinco modos de execução (stream, stats, mutate, write, estimate).
• Ensine a configuração de projeção: relacionamentos não direcionados, pesos e propriedades de nós.

Detecção de Comunidades para Fraude

(45 min)

Aplique algoritmos de detecção de comunidades e de centralidade para descobrir riscos de fraude em um conjunto de dados real de transações financeiras P2P

Este módulo deve avançar rapidamente. As aulas teóricas (aprofundamento em Louvain, aprofundamento em WCC) oferecem a cobertura de algoritmos mais profunda do workshop — dedique tempo a elas.

As aulas práticas recontextualizam os algoritmos em um caso de uso do mundo real; elas não têm a intenção de reensinar do zero. Não trate o enquadramento do caso de uso como "boas práticas" ou guias de como fazer. Não é isso. Seu único propósito é a recontextualização para posterior transferência para o domínio. São, no máximo, "playbooks".

Considere guardar as perguntas para o fim de cada aula. Muitas perguntas já são antecipadas pelo conteúdo, então não fique preso respondendo perguntas que serão respondidas dentro de dois slides.

Encerramento

Perguntas e respostas e chamada para ação

Volte aos slides de introdução, lembre aos participantes que eles terão acesso ao conteúdo do workshop indefinidamente.

Conduza uma sessão de perguntas e respostas.

Sugira cursos do GraphAcademy para que os participantes continuem aprendendo. Indique aos participantes o workshop GDS Python Client & Aura Graph Analytics como um próximo passo natural.