Du 28 au 30 septembre, la conférence Graph + AI World 2020 sera organisée pour les personnes qui ne sont pas indifférentes aux technologies graphiques et à l'apprentissage automatique. L'événement se déroulera en ligne pendant trois jours, la participation est gratuite.
L'organisateur était TigerGraph , le créateur du Graphova DB du même nom, et le programme comprendra des rapports d'intervenants de diverses sociétés: Intel, KPMG, AT&T, Forbes, Intuit, UnitedHealth Group, Jaguar Land Rover, Xilinx, Xandr, Futurist Academy, etc.
Pourquoi participer à la tête ou un ingénieur et rejoignez l'un des 3000 membres de 110 entreprises Fortune 500? Bienvenue au chat.
Pour ceux qui souhaitent participer tout de suite, il existe un lien d' inscription .
La conférence mondiale Graph + AI vise à améliorer l'efficacité des projets d'IA et d'apprentissage automatique grâce à l'utilisation d'algorithmes de graphes.
Pourquoi des algorithmes graphiques?
Nous utilisons des bases de données graphiques tous les jours et n'en sommes probablement pas conscients. Facebook, Instagram et Twitter utilisent des bases de données graphiques et des analyses pour comprendre les relations entre les utilisateurs et les lier au bon contenu. Chaque fois que vous effectuez une recherche sur Google, vous utilisez le graphique de connaissances de Google. Recommandations de produits sur Amazon - «les personnes qui ont acheté ce produit ont également acheté ...» ou «ces produits sont souvent achetés ensemble»? Tout cela est également associé à des requêtes analytiques pour grapher des bases de données.
Si nous comparons différents types de bases de données, nous pouvons mettre en évidence les principales tendances:
 |
 |
 |
|
, ,
|
Key-value
|
- — .
|
Ainsi, si vos données ont de nombreuses connexions entre elles, il est logique d'utiliser des bases de données Graph au lieu de plusieurs requêtes Join, qui ne seront pas aussi efficaces sur de gros volumes. D'ailleurs, personne n'a annulé la théorie des graphes pour la science des données;)
Intervenants clés
- UnitedHealth Group a créé la plus grande base de données de graphiques du secteur de la santé pour communiquer, analyser et fournir des conseils en temps réel sur les voies de traitement pour 50 millions de patients.
- Jaguar Land Rover a réduit le temps de demande pour son modèle de chaîne d'approvisionnement complexe de 3 semaines à 45 minutes, ce qui leur permet de planifier avec précision et de répondre rapidement aux incertitudes de l'offre et de la demande dues à la pandémie de Covid-19.
- Intuit utilise le graphe de connaissances comme technologie fondamentale pour une plate-forme d'experts basée sur l'IA.
Programme
La conférence a un programme stellaire, rempli de sessions de formation et de certification le 28 septembre (avant la journée) et d'analyses de rentabilisation, de cas d'utilisation et de sessions techniques les 29 et 30 septembre. Certaines des sessions sont présentées ci-dessous.
28 septembre
Introduction aux algorithmes de graphes pour la certification de l'apprentissage automatique Les
algorithmes de graphes sont des éléments de base essentiels pour l'analyse des données et l'apprentissage automatique afin de mieux comprendre ces données. Les algorithmes de graphes peuvent être utilisés directement pour un apprentissage non supervisé ou pour enrichir des échantillons de formation pour un apprentissage supervisé. Cette leçon présentera le nouveau programme de formation et de certification TigerGraph pour l'application des algorithmes graphiques à l'apprentissage automatique: révision de contenu, vidéo, démo et processus de certification.
Atelier pratique: accélérer l'apprentissage automatique avec des algorithmes graphiques
Dans cet atelier, vous serez en mesure d'appliquer plusieurs approches différentes à l'apprentissage automatique avec des données basées sur des graphiques.
Après avoir configuré votre base de données de graphes (dans le cloud et gratuitement), nous ferons ce qui suit:
- Apprentissage non supervisé à l'aide d'algorithmes de graphes
- Extraction de fonctionnalités et enrichissement de graphes
- Formation externe et intégration avec des notebooks
- Techniques de ML dans la base de données pour les graphiques
Nous aurons plusieurs ensembles de données pour différents cas.
29 septembre
Application du modèle graphique dans la Fintech et la gestion des risques
FinTell a construit un graphique avec des dizaines de milliards d'arêtes et de nœuds basés sur 1,5 milliard d'appareils mobiles actifs par mois. Le modèle graphique permet à FinTell de fournir des services de gestion des risques de qualité supérieure aux institutions financières.
Création d'un système de détection de fraude à la pointe de la technologie avec Graph + AI Un
guide étape par étape et une démonstration de ce que l'analyse peut être rapidement construite avec l'analyse graphique sur des ressources informatiques modestes et comment les performances de lutte contre la fraude s'améliorent en réduisant les incidents de fraude manqués ET en réduisant les faux positifs de points positifs dans un pipeline d'apprentissage automatique standard.
Table ronde exécutive - Transformer les médias et le divertissement avec Graph + AI
Les bases de données graphiques sont utilisées pour identifier, lier et combiner des entités client en double pour créer un profil unique à 360 °. Cela se traduit généralement par des rendements plus élevés grâce à des recommandations plus précises et plus efficaces pour les produits et services. Rejoignez les dirigeants d'Ippen Digital et de Xandr (qui fait partie d'AT & T) pour découvrir comment les graphiques et l'apprentissage automatique changent le paysage des médias et du divertissement.
30 septembre
Gestion de la chaîne d'approvisionnement et de la logistique avec Graph DB et AI
La fabrication industrielle est confrontée à des défis majeurs en raison du volume considérable de pièces, de composants et de matériaux qui doivent être achetés auprès d'une multitude de fournisseurs répartis dans le monde, puis traités et assemblés à plusieurs étapes, ce qui rend le suivi beaucoup plus difficile fournisseur du produit final. Cela inclut également la logistique, c'est-à-dire les types de transport, les emplacements, la durée, le coût, etc.
En tirant parti des bases de données graphiques pour assurer la transparence des données complexes et distribuées, associées à des analyses prédictives, les fabricants peuvent relever efficacement ces défis. Optimiser simultanément la planification de la production: garantir la disponibilité des pièces, minimiser la perte de qualité, améliorer l'assemblage et la livraison globale.
Moteur de recommandation avec apprentissage automatique en base de données
Les systèmes de recommandation sont utilisés dans divers services tels que le streaming vidéo, les achats en ligne et les médias sociaux. Dans les applications industrielles, une base de données peut contenir des centaines de millions d'utilisateurs et d'éléments. L'entraînement du modèle dans la base de données évite également d'exporter les données graphiques du SGBD vers d'autres plates-formes d'apprentissage automatique, et donc de mieux maintenir une mise à jour continue du modèle de recommandation sur l'évolution des données d'entraînement.
Également à la conférence, les résultats du hackathon Graphathon 2020 seront annoncés .
enregistrement
Pour participer à une conférence gratuite, vous devez vous inscrire sur la page officielle de l'événement en utilisant le lien .
Rejoignez Graph + AI World!
On se voit à la conférence.