Graph-Powered Analytics and Machine Learning with TigerGraph: Driving Business Outcomes with Connected Data

Спецификации:
Автор: Victor Lee, Ph.D., Phuc Kien Nguyen, Xinyu Chang
Количество страниц: 300
Год публикации: 2023
ID товара: 19091423
6319
Продавец: Bookstore Krisostomos 4.9
В корзину
836 / мес.

3 2107
Без подорожания
Ваш город

Заберите в Omniva посылочном автомате

26 июля

000

Заберите в Smartpost посылочном автомате

26 июля

000

Заберите в DPD Pickup посылочном автомате

26 июля

000

Заберите в почтовом отделении Эстонии

26 июля

000

Доставим на дом

26 июля

399

Внимание! Сроки доставки являются предварительными, так как cроки обновляются в зависимости от фактического времени размещения заказа и оплаты. Окончательный срок доставки указывается продавцом после подтверждения заказа.

Заберите в Omniva посылочном автомате

26 июля

000

Заберите в Smartpost посылочном автомате

26 июля

000

Заберите в DPD Pickup посылочном автомате

26 июля

000

Заберите в почтовом отделении Эстонии

26 июля

000

Доставим на дом

26 июля

399

Внимание! Сроки доставки являются предварительными, так как cроки обновляются в зависимости от фактического времени размещения заказа и оплаты. Окончательный срок доставки указывается продавцом после подтверждения заказа.

Продавец: Bookstore Krisostomos 4.9
  • 96% покупателей рекомендовали бы этого продавца.

Описание товара: Graph-Powered Analytics and Machine Learning with TigerGraph: Driving Business Outcomes with Connected Data

With the rapid rise of graph databases, organizations are now implementing advanced analytics and machine learning solutions to help drive business outcomes. This practical guide shows data scientists, data engineers, architects, and business analysts how to get started with a graph database using TigerGraph, one of the leading graph database models available. You'll explore a three-stage approach to deriving value from connected data: connect, analyze, and learn. Victor Lee, Xinyu Chan, and Gaurav Deshpande from TigerGraph present real use cases covering several contemporary business needs. By diving into hands-on exercises using TigerGraph Cloud, you'll quickly become proficient at designing and managing advanced analytics and machine learning solutions for your organization. Use graph thinking to connect, analyze, and learn from data for advanced analytics and machine learning Learn how graph analytics and machine learning can deliver key business insights and outcomes Use five core categories of graph algorithms to drive advanced analytics and machine learning Deliver a real-time 360-degree view of core business entities, including customer, product, service, supplier, and citizen Discover insights from connected data through machine learning and advanced analytics

Общая информация o: Graph-Powered Analytics and Machine Learning with TigerGraph: Driving Business Outcomes with Connected Data

ID товара: 19091423
Категория: Книги по экономике
Количество упаковок товара: 1 шт.
Размеры и вес упаковки (1): 0,03 x 0,18 x 0,23 м, 0,3 кг
Издательство: O'Reilly Media
Язык публикации: Aнглийский
Тип: экономика
Автор: Victor Lee, Ph.D., Phuc Kien Nguyen, Xinyu Chang
Количество страниц: 300
Год публикации: 2023

Изображения продуктов приведены исключительно в иллюстративных целях и являются примерными. Ссылки на видео в описании товара предназначены только для информационных целей, поэтому информация, которую они содержат, может отличаться от самого товара. Цвета, надписи, параметры, размеры, функции и/или любые другие характеристики оригинальных продуктов из-за их визуальных характеристик могут отличаться от реальных, поэтому, пожалуйста, ознакомьтесь со спецификациями продукта, приведенными в описании продукта.

Рейтинги и отзывы (0)

Graph-Powered Analytics and Machine Learning with TigerGraph: Driving Business Outcomes with Connected Data
Будьте первым, кто оставит отзыв!
Этот товар могут оценить только его покупатели, зарегистрированные на Kaup24.ee.
Оценить товар

Вопросы и ответы (0)

Спросите об этом товаре у других покупателей!
Задать вопрос
Ваш вопрос успешно отправлен. На этот вопрос будет дан ответ в течение 3 рабочих дней
Вопрос должен состоять не менее чем из 10 символов