De 28 a 30 de setembro, a conferência Graph + AI World 2020 será realizada para pessoas que não são indiferentes às tecnologias de gráficos e aprendizado de máquina. O evento será realizado online durante três dias, a participação é gratuita.
O organizador foi TigerGraph , o criador do homônimo Grafova DB, e o programa incluirá relatórios de palestrantes de várias empresas: Intel, KPMG, AT&T, Forbes, Intuit, UnitedHealth Group, Jaguar Land Rover, Xilinx, Xandr, Futurist Academy, etc.
Por que participar para o chefe ou um engenheiro e se juntar a um dos 3.000 membros de 110 empresas da Fortune 500? Bem-vindo ao gato.
Para quem quiser participar imediatamente, existe um link de inscrição .
A conferência Graph + AI World visa melhorar a eficiência de projetos de IA e aprendizado de máquina por meio do uso de algoritmos de grafos.
Por que Graph Algorithms?
Usamos bancos de dados gráficos todos os dias e provavelmente não temos conhecimento disso. Facebook, Instagram e Twitter usam bancos de dados gráficos e análises para entender como os usuários se relacionam entre si e vinculá-los ao conteúdo certo. Cada vez que você faz uma pesquisa no Google, está usando o gráfico de conhecimento do Google. Recomendações de produtos na Amazon - “as pessoas que compraram esse produto também compraram ...” ou “esses produtos costumam ser comprados juntos”? Tudo isso também está associado a consultas analíticas a bancos de dados gráficos.
Se compararmos diferentes tipos de bancos de dados, podemos destacar as principais tendências:
 |
 |
 |
|
, ,
|
Key-value
|
- — .
|
Portanto, se seus dados tiverem muitas conexões entre si, é lógico usar bancos de dados do Graph em vez de várias consultas de junção, que não serão tão eficientes em grandes volumes. Além disso, ninguém cancelou a Teoria dos Grafos para Ciência de Dados;)
Palestrantes principais
- O UnitedHealth Group criou o maior banco de dados gráfico do setor de saúde para comunicar, analisar e fornecer conselhos em tempo real sobre as vias de tratamento para 50 milhões de pacientes.
- A Jaguar Land Rover reduziu o tempo de solicitação de seu complexo modelo de cadeia de suprimentos de 3 semanas para 45 minutos, permitindo-lhes planejar com precisão e responder rapidamente às incertezas de suprimento e demanda devido à pandemia de Covid-19.
- A Intuit está usando o gráfico de conhecimento como uma tecnologia fundamental para uma plataforma especializada baseada em IA.
Programa
A conferência tem uma agenda estelar, repleta de sessões de treinamento e certificação em 28 de setembro (dia preliminar) e casos de negócios, casos de uso e sessões técnicas em 29 e 30 de setembro. Algumas das sessões são destacadas abaixo.
28 de setembro
Introdução aos algoritmos de gráfico para certificação de aprendizado de máquina Os
algoritmos de gráfico são blocos de construção essenciais para análise de dados relacionados e aprendizado de máquina para obter um entendimento mais profundo desses dados. Algoritmos de gráfico podem ser usados diretamente para aprendizado não supervisionado ou para enriquecimento de amostras de treinamento para aprendizado supervisionado. Esta lição apresentará o novo programa de treinamento e certificação TigerGraph para aplicação de algoritmos de gráfico ao aprendizado de máquina: revisão de conteúdo, vídeo, demonstração e processo de certificação.
Workshop prático: acelerando o aprendizado de máquina com algoritmos de gráfico
Neste workshop, você poderá aplicar várias abordagens diferentes ao aprendizado de máquina com dados baseados em gráfico.
Depois de configurar seu banco de dados de gráficos (na nuvem e gratuitamente), faremos o seguinte:
- Aprendizagem não supervisionada usando algoritmos de gráfico
- Extração de recursos e enriquecimento de gráfico
- Treinamento externo e integração com notebooks
- Técnicas de ML no banco de dados para gráficos
Teremos vários conjuntos de dados para diferentes casos.
29 de setembro
Aplicação do modelo de gráfico em Fintech e gerenciamento de risco
FinTell construiu um gráfico com dezenas de bilhões de arestas e nós com base em 1,5 bilhão de dispositivos móveis ativos por mês. O modelo de gráfico ajuda a FinTell a fornecer serviços de gestão de risco de qualidade superior para instituições financeiras.
Construindo um Sistema de Detecção de Fraude de última geração com Graph + AI Um
guia passo a passo e demonstração de quais análises podem ser criadas rapidamente com análises de gráficos em recursos de computação modestos e como as métricas antifraude melhoram reduzindo incidentes de fraude perdidos E reduzindo falsos positivos de positivos em um pipeline de aprendizado de máquina padrão.
Mesa redonda executiva - transformando mídia e entretenimento com Graph + AI
Os bancos de dados gráficos são usados para identificar, vincular e combinar entidades duplicadas do cliente para criar um único perfil 360 °. Isso geralmente se traduz em retornos mais elevados como resultado de recomendações mais precisas e eficazes para produtos e serviços. Junte-se aos executivos da Ippen Digital e da Xandr (parte da AT&T) para aprender como os gráficos e o aprendizado de máquina estão mudando o cenário de mídia e entretenimento.
30 de setembro
Supply Chain & Logistics Management com Graph DB & AI
A manufatura industrial enfrenta grandes desafios com o grande volume de peças, componentes e materiais que devem ser adquiridos de uma infinidade de fornecedores globalmente distribuídos e, em seguida, processados e montados em vários estágios, tornando muito difícil rastrear fornecedor até o produto final. Isso também inclui logística, ou seja, tipos de transporte, localizações, duração, custo, etc.
Aproveitando os bancos de dados gráficos para fornecer transparência para dados complexos e distribuídos, juntamente com análises preditivas, os fabricantes podem enfrentar esses desafios com eficácia. Otimizando simultaneamente o planejamento da produção: garantindo a disponibilidade das peças, minimizando a perda de qualidade, melhorando a montagem e a entrega geral.
Mecanismo de recomendação com aprendizado de máquina no banco de dados
Os sistemas de recomendação são usados em vários serviços, como streaming de vídeo, compras online e mídia social. Em aplicações industriais, um banco de dados pode conter centenas de milhões de usuários e itens. Treinar o modelo no banco de dados também evita exportar os dados do gráfico do DBMS para outras plataformas de aprendizado de máquina e, assim, manter melhor uma atualização contínua do modelo de recomendação na alteração dos dados de treinamento.
Também na conferência, os resultados do hackathon Graphathon 2020 serão anunciados .
cadastro
Para participar da conferência gratuita, você deve se cadastrar na página oficial do evento através do link .
Junte-se ao Graph + AI World!
Vejo você na Conferencia.