Vom 28. bis 30. September findet die Graph + AI World 2020- Konferenz für Menschen statt, denen Graphentechnologien und maschinelles Lernen nicht gleichgültig sind. Die Veranstaltung findet drei Tage online statt, die Teilnahme ist kostenlos.
Der Veranstalter war TigerGraph , der Schöpfer der gleichnamigen Graphova DB, und das Programm wird Berichte von Rednern verschiedener Unternehmen enthalten: Intel, KPMG, AT & T, Forbes, Intuit, UnitedHealth Group, Jaguar Land Rover, Xilinx, Xandr, Futurist Academy usw.
Warum am Head teilnehmen ? oder ein Ingenieur und einem von 3000 Mitgliedern aus 110 Fortune 500-Unternehmen beitreten? Willkommen bei Katze.
Für diejenigen, die sofort teilnehmen möchten, gibt es einen Registrierungslink .
Die Graph + AI World-Konferenz zielt darauf ab, die Effizienz von KI- und maschinellen Lernprojekten durch den Einsatz von Graph-Algorithmen zu verbessern.
Warum Graph-Algorithmen?
Wir verwenden jeden Tag Graphendatenbanken und sind uns dessen wahrscheinlich nicht bewusst. Facebook, Instagram und Twitter verwenden Diagrammdatenbanken und Analysen, um zu verstehen, wie Benutzer miteinander umgehen, und um sie mit den richtigen Inhalten zu verknüpfen. Jedes Mal, wenn Sie eine Google-Suche durchführen, verwenden Sie das Wissensdiagramm von Google. Produktempfehlungen bei Amazon - "Leute, die dieses Produkt gekauft haben, haben auch gekauft ..." oder "diese Produkte werden oft zusammen gekauft"? All dies ist auch mit analytischen Abfragen von Diagrammdatenbanken verbunden.
Wenn wir verschiedene Arten von Datenbanken vergleichen, können wir die wichtigsten Trends hervorheben:
 |
 |
 |
|
, ,
|
Key-value
|
- — .
|
Wenn Ihre Daten viele Verbindungen miteinander haben, ist es logisch, Graph-Datenbanken anstelle mehrerer Join-Abfragen zu verwenden, was bei großen Volumes nicht so effizient ist. Außerdem hat niemand die Graphentheorie für Data Science abgesagt;)
Hauptlautsprecher
- Die UnitedHealth Group hat die größte Grafikdatenbank der Gesundheitsbranche erstellt, um 50 Millionen Patienten in Echtzeit zu kommunizieren, zu analysieren und Ratschläge zu Behandlungsverläufen zu geben.
- Jaguar Land Rover hat die Anforderungszeit für sein komplexes Lieferkettenmodell von 3 Wochen auf 45 Minuten reduziert, sodass sie aufgrund der Covid-19-Pandemie genau und schnell auf Unsicherheiten bei Angebot und Nachfrage reagieren können.
- Intuit verwendet das Wissensdiagramm als grundlegende Technologie für eine KI-gesteuerte Expertenplattform.
Programm
Die Konferenz hat eine herausragende Agenda, die mit Schulungs- und Zertifizierungssitzungen am 28. September (vorläufiger Tag) und Geschäftsfällen, Anwendungsfällen und technischen Sitzungen am 29. und 30. September gefüllt ist. Einige der Sitzungen sind unten hervorgehoben.
28. September
Einführung in Graph-Algorithmen für die Zertifizierung des maschinellen Lernens
Graph-Algorithmen sind wesentliche Bausteine für die zugehörige Datenanalyse und das maschinelle Lernen, um ein tieferes Verständnis dieser Daten zu erlangen. Graph-Algorithmen können direkt für unbeaufsichtigtes Lernen oder zur Anreicherung von Trainingsbeispielen für überwachtes Lernen verwendet werden. In dieser Lektion wird das neue TigerGraph-Schulungs- und Zertifizierungsprogramm für die Anwendung von Graph-Algorithmen auf maschinelles Lernen vorgestellt: Inhaltsüberprüfung, Video, Demo und Zertifizierungsprozess.
Praktischer Workshop: Beschleunigen des maschinellen Lernens mit Graph-Algorithmen
In diesem Workshop können Sie verschiedene Ansätze für das maschinelle Lernen mit graphbasierten Daten anwenden.
Nach dem Einrichten Ihrer Grafikdatenbank (in der Cloud und kostenlos) gehen wir wie folgt vor:
- Unüberwachtes Lernen mit Graph-Algorithmen
- Merkmalsextraktion und Graphanreicherung
- Externes Training und Integration in Notebooks
- Datenbankinterne ML-Techniken für Diagramme
Wir werden mehrere Datensätze für verschiedene Fälle haben.
29. September
Anwendung des Diagrammmodells in Fintech und Risikomanagement
FinTell hat ein Diagramm mit mehreren zehn Milliarden Kanten und Knoten erstellt, das auf 1,5 Milliarden aktiven Mobilgeräten pro Monat basiert. Das Grafikmodell hilft FinTell, Finanzinstituten Risikomanagementdienste von höchster Qualität anzubieten.
Aufbau eines hochmodernen Betrugserkennungssystems mit Graph + AI Eine
schrittweise Anleitung und Demonstration, welche Analysen mit Graph Analytics auf bescheidenen Computerressourcen schnell erstellt werden können und wie sich die Betrugsbekämpfungsmetriken verbessern, indem verpasste Betrugsfälle reduziert und Fehlalarme reduziert werden von Positiven in einer Standard-Pipeline für maschinelles Lernen.
Executive Roundtable - Transformation von Medien und Unterhaltung mit Graph + AI
Diagrammdatenbanken werden verwendet, um doppelte Kundenentitäten zu identifizieren, zu verknüpfen und zu kombinieren, um ein einziges 360 ° -Profil zu erstellen. Dies führt normalerweise zu höheren Renditen aufgrund genauerer und effektiverer Empfehlungen für Produkte und Dienstleistungen. Lernen Sie mit den Führungskräften von Ippen Digital und Xandr (Teil von AT & T), wie Grafiken und maschinelles Lernen die Medien- und Unterhaltungslandschaft verändern.
30. September
Supply Chain & Logistics Management mit Graph DB & AI Die
industrielle Fertigung steht vor großen Herausforderungen, da Teile, Komponenten und Materialien von einer Vielzahl global verteilter Lieferanten beschafft und dann in mehreren Phasen verarbeitet und montiert werden müssen, was eine Nachverfolgung sehr schwierig macht Lieferant des Endprodukts. Dies umfasst auch die Logistik, d. H. Transportarten, Standorte, Dauer, Kosten usw.
Durch die Nutzung von Graphendatenbanken zur Bereitstellung von Transparenz für komplexe und verteilte Daten in Verbindung mit Predictive Analytics können Hersteller diese Herausforderungen effektiv bewältigen. Gleichzeitige Optimierung der Produktionsplanung: Sicherstellung der Verfügbarkeit von Teilen, Minimierung von Qualitätsverlusten, Verbesserung der Montage und der Gesamtlieferung.
Empfehlungsmodul mit datenbankinternem maschinellem Lernen
Empfehlungssysteme werden in verschiedenen Diensten wie Video-Streaming, Online-Shopping und Social Media verwendet. In industriellen Anwendungen kann eine Datenbank Hunderte Millionen Benutzer und Elemente enthalten. Durch das Training des Modells in der Datenbank wird auch vermieden, dass die Diagrammdaten aus dem DBMS auf andere Plattformen für maschinelles Lernen exportiert werden, und somit wird eine kontinuierliche Aktualisierung des Empfehlungsmodells bei Änderung der Trainingsdaten besser aufrechterhalten.
Ebenfalls auf der Konferenz werden die Ergebnisse des Graphathon 2020- Hackathons bekannt gegeben .
Anmeldung
Um an der kostenlosen Konferenz teilnehmen zu können, müssen Sie sich über den Link auf der offiziellen Veranstaltungsseite registrieren .
Treten Sie Graph + AI World bei!
Wir sehen uns auf der Konferenz.