CHAPITRE 1 : La pensée graphique

1.1 Technologies émergentes des graphes
1.2 Qu'est-ce que la pensée graphique ?
1.3 Choisir une technologie pour résoudre des problèmes complexes
1.4 Débuter votre parcours de pensée graphique

CHAPITRE 2 Du raisonnement relationnel au raisonnement graphique

2.1 Aperçu du chapitre 2 : Traduire les concepts relationnels en termes de graphes
2.2 Différences entre les bases de données relationnelles et les bases de données graphiques
2.3 Modélisation des données relationnelles
2.4 Concept de données graphiques
2.5 Langage de schéma graphique
2.6 Relationnel vs. Graphique : Considérations relatives à la décision
2.7 En conclusion

CHAPITRE 3 : Vue client simplifiée à 360°

3.1 Aperçu du chapitre 3 : Relationnel vs. Graphique
3.2 Cas d'utilisation de base des données graphiques : Vue client à 360° (C360)
3.3 Mise en œuvre d'applications C360 avec des systèmes relationnels
3.4 Mise en œuvre des applications C360 avec des systèmes graphiques
3.5 Relationnel vs. Graphique : quand choisir
3.6 En conclusion

CHAPITRE 4 DÉVELOPPEMENT DE L'EXPLORATION DU QUARTIER

4.1 Aperçu du chapitre 4 : Créer un C360 plus réaliste
4.2 Modélisation de données graphiques : notions de base
4.3 Développement de la recherche de voisinage : mise en œuvre détaillée
4.4 Exploration de base des Gremlins
4.5 Gremlin avancé : Affinement des résultats de requête
4.6 Passage de la phase de développement à la phase de produit

CHAPITRE 5 : PRODUIRE L'EXPLORATION DU QUARTIER

5.1 Aperçu du chapitre 5 : Comprendre les données de graphes distribués dans Apache Cassandra
5.2 Utilisation des données graphiques dans Apache Cassandra
5.3 Modélisation des données graphiques 201
5.4 Mise en œuvre du produit final
5.5 Problèmes de graphes distribués plus complexes

CHAPITRE 6 : LE DÉVELOPPEMENT PAR LES ARBRES

6.1 Aperçu du chapitre 6 : Parcours d’arbres, données hiérarchiques et récursivité
6.2 Données hiérarchiques et imbriquées : trois exemples
6.3 Se frayer un chemin dans la forêt de la terminologie
6.4 Comprendre la hiérarchie à l'aide des données des capteurs
6.5 Mode développement : Requête de la feuille à la racine
6.6 Mode développement : Requête de la racine vers la feuille
6.7 Vérifier les informations horaires

CHAPITRE 7 PRODUCTION D'ARBRES

7.1 Aperçu du chapitre 7 : Comprendre les coefficients de branchement, la profondeur et le timing des arêtes
7.2 Comprendre l'horodatage des données des capteurs
7.3 Comprendre les coefficients de branchement
7.4 Schéma du produit de données de capteur
7.5 Mode Produit : Requête de la feuille à la racine
7.6 Mode Produit : Requête de la racine à la feuille
7.7 Application des requêtes aux scénarios de défaillance des tours
7.8 Voir la forêt à travers les arbres

CHAPITRE 8 Développement de la recherche de voies

8.1 Aperçu du chapitre 8 : Quantifier la confiance dans un réseau
8.2 La confiance illustrée par trois exemples
8.3 Concepts de base du parcours
8.4 Recherche de chemins dans un réseau de confiance
8.5 Comprendre la navigation sur le réseau Bitcoin Trust
8.6 Requêtes de chemin le plus court

CHAPITRE 9 PRODUCTION DE CHEMIN DE VOIE

9.1 Aperçu du chapitre 9 : Comprendre les poids, les distances et l’élagage
9.2 Chemins pondérés et algorithmes de recherche
9.3 Normalisation des poids des arêtes pour le problème du plus court chemin
9.4 Requête du chemin pondéré le plus court
9,5 Parcours pondéré et confiance dans le produit

CHAPITRE 10 DÉVELOPPEMENT RECOMMANDÉ

10.1 Aperçu du chapitre 10 : Le filtrage collaboratif pour les recommandations de films
10.2 Exemple de système de recommandation
10.3 Introduction au filtrage collaboratif
10.4 Données de films : Schéma, chargement et analyse des requêtes
10.5 Filtrage collaboratif basé sur les éléments dans Gremlin

CHAPITRE 11 Interprétation simple des graphiques

11.1 Aperçu du chapitre 11 : Fusion de plusieurs ensembles de données en un seul graphique
11.2 Définition d'un autre problème complexe : l'interprétation des objets
11.3 Analyse de deux ensembles de données de films
11.4 Appariement et fusion des données cinématographiques
11.5 Gestion des faux positifs

CHAPITRE 12 PRODUCTION RECOMMANDÉE

12.1 Aperçu du chapitre 12 : Comprendre les raccourcis, le précalcul et les techniques d’élagage avancées
12.2 Lignes principales de raccourci pour les recommandations en temps réel
12.3 Calcul des contours de raccourci dans les données vidéo
12.4 Schéma du produit de recommandation de films et chargement des données
12.5 Requêtes de recommandation utilisant des raccourcis

CHAPITRE 13 Conclusion

13.1 Où aller maintenant
13.2 Échange de coordonnées

Nous vivons à l'ère des bases de données graphiques !
Découvrez le nouveau paradigme de la pensée graphique

Un guide d'utilisation des bases de données graphiques, coécrit par le CDO et le CTO de la société de gestion de données Datastax ! Cet ouvrage rassemble les connaissances et l'expertise qu'ils ont acquises en conseillant diverses équipes.
Nous vous présentons le concept de « pensée graphique » comme un moyen d'extraire de la valeur à partir de données massives et complexes, et nous vous invitons à transformer votre façon de penser en pensée graphique.
Grâce à de nombreuses illustrations et des exemples pratiques qui vous aident à comprendre les concepts, nous vous donnons la clé pour comprendre le monde à l'ère des bases de données graphiques.
Apprenez à structurer efficacement vos données grâce à la pensée graphique et devenez un ingénieur de données plus expérimenté.

Public cible

● Les ingénieurs et architectes de données qui souhaitent utiliser efficacement les données graphiques
● Les data scientists et les analystes de données qui souhaitent apprendre la pensée graphique
Toute personne curieuse de découvrir la pensée graphique (des connaissances de base en bases de données faciliteront la compréhension du concept).

Contenu principal

● Conception d'architectures avec des bases de données relationnelles et graphiques
● Mise en œuvre de l'application Customer 360 avec le modèle de données graphiques populaire
● Résolution des problèmes rencontrés lors de la manipulation de données graphiques dans des données hiérarchiques
● Examiner différentes manières de trouver un itinéraire et comment l'itinéraire influence les préférences.
● Concevoir un système de recommandation de films similaire à Netflix utilisant le filtrage collaboratif