دانلود کتاب Building Knowledge Graphs: A Practitioner's Guide (Final)
عنوان فارسی | ساختن نمودارهای دانش: راهنمای یک پزشک (نهایی) |
---|---|
عنوان اصلی | Building Knowledge Graphs: A Practitioner's Guide (Final) |
ناشر | O'Reilly Media, Inc. |
نویسنده | Jesus Barrasa, Maya Natarajan, Jim Webber |
ISBN | 9781098127107, 9781098127114 |
سال نشر | 2023 |
زبان | English |
تعداد صفحات | 0 |
دسته | الگوریتم ها و ساختارهای داده ها: شناخت الگو |
فرمت کتاب | epub - قابل تبدیل به سایر فرمت ها |
حجم فایل | 16 مگابایت |
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
وضعیت : موجود
قیمت : 55,000 تومان
مشاهد کتاب در آمازون
توضیحات
فهرست مطالب
اطلاعات قبل از خربد
دادههای نموداری در دهه گذشته در همه جا حاضر شدهاند. نمودارها زیربنای همه چیز از سیستم های رو به رو مصرف کننده مانند ناوبری و شبکه های اجتماعی تا زیرساخت های حیاتی مانند زنجیره تامین و پلیس هستند. یک موضوع ثابت ظاهر شده است: به کارگیری دانش در زمینه تنها قدرتمندترین ابزاری است که اکثر کسب و کارها دارند. از طریق تحقیق و تجربه، مجموعهای از الگوها و شیوهها به نام نمودارهای دانش برای پشتیبانی از استخراج دانش از انواع دادهها و در همه منابع، از سیستمهای رکورد گرفته تا دریاچههای داده منجمد گرفته تا گزارشهای برنامه توسعه یافته است. این کتاب برای متخصصان فناوری اطلاعات است که علاقه مند به ساخت و اجرای نمودارهای دانش در تجارت خود هستند.
با استفاده از مثال های عملی، این کتاب کاربردی به دانشمندان داده و مهندسان داده نشان می دهد که چگونه نمودارهای دانش خود را بسازند. نویسندگان Jesus Barrasa و Jim Webber از Neo4j الگوهای رایجی را برای ساخت نمودارهای دانش نشان میدهند که بسیاری از مشکلات مدیریت دانش امروزی را حل میکنند. با افزودن دادهها و تقویت آنها با الگوریتمها و یادگیری ماشینی، به سرعت متوجه خواهید شد که چگونه این نمودارها به طور فزایندهای مفید میشوند.
نکته مهم، در حالی که اصطلاح نمودار دانش به تازگی در صنعت مطرح شده است، نمودار دانش سیستم ها برای مدتی وجود داشته اند. این کتاب سعی میکند تجربه ما را از درک نمودارهای دانش مستقر در سیستمهای واقعی توسط سازمانها در سراسر جهان استخراج کند. این به روند نوظهور ساختن سیستم ها بر روی نمودارهای دانش و همچنین تفکر در مورد نمودارهای دانش به عنوان زیربنای همه منظوره برای شرکت می پردازد. همچنین به تقاطع معاصر نمودارهای دانش و هوش مصنوعی (AI) میپردازد، جایی که نمودارهای دانش ویژگیهای باکیفیتی را برای یادگیری ماشین ارائه میکنند، خود توسط هوش مصنوعی غنی شدهاند و حتی میتوانند ماهیت توهمآمیز مدلهای زبان بزرگ (LLM) را مهار کنند. r\n
اصول سازماندهی لازم برای ساختن یک نمودار دانش را بیاموزید
کاوش کنید که چگونه پایگاه داده های گراف به عنوان پایه ای برای نمودارهای دانش عمل می کنند
درک نحوه وارد کردن داده های ساختاریافته و بدون ساختار را به نمودار خود بیاموزید
مثال هایی را دنبال کنید تا ایجاد نمودارهای دانش ادغام و جستجو
یاد بگیرید که نمودارهای دانش تشخیص الگو به شما کمک میکنند
گرافهای دانش وابستگی را از طریق مثالها کاوش کنید
از نمونههایی از نمودارها و رباتهای چت دانش زبان طبیعی استفاده کنید
از الگوریتمهای نمودار و ML استفاده کنید. بینشی در مورد داده های متصل به دست آورید
توضیحاتی در مورد کتاب
نمودارهای دانش بسیار مفید است و به سازمان ها کمک می کند تا تحقیقات پزشکی، اطلاعات تهدید امنیت سایبری، انطباق با GDPR، تعامل کاربران وب و موارد دیگر را پیگیری کنند. آنها این کار را با ذخیره توصیف های به هم پیوسته موجودیت ها - اشیا، رویدادها، موقعیت ها یا مفاهیم انتزاعی - و رمزگذاری اطلاعات زیربنایی انجام می دهند. چگونه یک نمودار دانش ایجاد می کنید؟ و چگونه آن را از تئوری به تولید منتقل میکنید؟دادههای نموداری در دهه گذشته در همه جا حاضر شدهاند. نمودارها زیربنای همه چیز از سیستم های رو به رو مصرف کننده مانند ناوبری و شبکه های اجتماعی تا زیرساخت های حیاتی مانند زنجیره تامین و پلیس هستند. یک موضوع ثابت ظاهر شده است: به کارگیری دانش در زمینه تنها قدرتمندترین ابزاری است که اکثر کسب و کارها دارند. از طریق تحقیق و تجربه، مجموعهای از الگوها و شیوهها به نام نمودارهای دانش برای پشتیبانی از استخراج دانش از انواع دادهها و در همه منابع، از سیستمهای رکورد گرفته تا دریاچههای داده منجمد گرفته تا گزارشهای برنامه توسعه یافته است. این کتاب برای متخصصان فناوری اطلاعات است که علاقه مند به ساخت و اجرای نمودارهای دانش در تجارت خود هستند.
با استفاده از مثال های عملی، این کتاب کاربردی به دانشمندان داده و مهندسان داده نشان می دهد که چگونه نمودارهای دانش خود را بسازند. نویسندگان Jesus Barrasa و Jim Webber از Neo4j الگوهای رایجی را برای ساخت نمودارهای دانش نشان میدهند که بسیاری از مشکلات مدیریت دانش امروزی را حل میکنند. با افزودن دادهها و تقویت آنها با الگوریتمها و یادگیری ماشینی، به سرعت متوجه خواهید شد که چگونه این نمودارها به طور فزایندهای مفید میشوند.
نکته مهم، در حالی که اصطلاح نمودار دانش به تازگی در صنعت مطرح شده است، نمودار دانش سیستم ها برای مدتی وجود داشته اند. این کتاب سعی میکند تجربه ما را از درک نمودارهای دانش مستقر در سیستمهای واقعی توسط سازمانها در سراسر جهان استخراج کند. این به روند نوظهور ساختن سیستم ها بر روی نمودارهای دانش و همچنین تفکر در مورد نمودارهای دانش به عنوان زیربنای همه منظوره برای شرکت می پردازد. همچنین به تقاطع معاصر نمودارهای دانش و هوش مصنوعی (AI) میپردازد، جایی که نمودارهای دانش ویژگیهای باکیفیتی را برای یادگیری ماشین ارائه میکنند، خود توسط هوش مصنوعی غنی شدهاند و حتی میتوانند ماهیت توهمآمیز مدلهای زبان بزرگ (LLM) را مهار کنند. r\n
اصول سازماندهی لازم برای ساختن یک نمودار دانش را بیاموزید
کاوش کنید که چگونه پایگاه داده های گراف به عنوان پایه ای برای نمودارهای دانش عمل می کنند
درک نحوه وارد کردن داده های ساختاریافته و بدون ساختار را به نمودار خود بیاموزید
مثال هایی را دنبال کنید تا ایجاد نمودارهای دانش ادغام و جستجو
یاد بگیرید که نمودارهای دانش تشخیص الگو به شما کمک میکنند
گرافهای دانش وابستگی را از طریق مثالها کاوش کنید
از نمونههایی از نمودارها و رباتهای چت دانش زبان طبیعی استفاده کنید
از الگوریتمهای نمودار و ML استفاده کنید. بینشی در مورد داده های متصل به دست آورید
نحوه دریافت کتاب
این کتاب نسخه زبان اصلی است و ترجمه فارسی نیست.بعد از تکمیل فرایند خرید می توانید کتاب را دانلود نمایید. درصورت نیاز به تغییر فرمت کتاب به پشتیبان اطلاع دهید.کتاب های مرتبط