graphcomputing
28 heures (généralement 4 jours pauses comprises)
Audience
De nombreux problèmes du monde réel peuvent être décrits en termes de graphiques. Par exemple, le graphique Web, le graphique de réseau social, le graphique de réseau de train et le graphique de langue. Ces graphiques ont tendance à être extrêmement volumineux. leur traitement nécessite un ensemble spécialisé d'outils et de processus - ces outils et processus peuvent être appelés Graph Computing (également appelé Graph Analytics).
Dans cette formation en direct animée par un instructeur, les participants découvriront les offres technologiques et les approches de mise en œuvre pour le traitement des données graphiques. Le but est d'identifier les objets du monde réel, leurs caractéristiques et leurs relations, puis de modéliser ces relations et de les traiter sous forme de données à l'aide d'une approche Graph Computing (également appelée Graph Analytics). Nous commençons par un aperçu général et nous concentrons sur des outils spécifiques lorsque nous abordons une série d’études de cas, d’exercices pratiques et de déploiements en direct.
À la fin de cette formation, les participants seront en mesure de:
Format du cours
Machine Translated
Introduction
Understanding Graph Data
Using Graph Databases to Model, Persist and Process Graph Data
Exercise: Modeling Graph Data with neo4j
Beyond Graph Databases: Graph Computing
Solving Real-World Problems with Traversals
Case Study: Ranking Discussion Contributors
Graph Computing: Local, In-Memory Graph toolkits
Exercise: Modeling Graph Data with NetworkX
Graph Computing: Batch Processing Graph Frameworks
Graph Computing: Graph-Parallel Computation
Setup and Installation
GraphX Operators
Iterating with Pregel API
Building a Graph
Designing Scalable Algorithms
Accessing Additional Algorithms
Exercis: Page Rank and Top Users
Deploying to Production
Closing Remarks









.png)




























_ireland.gif)




.jpg)




