原生并行图助力机器学习和可解释性 AI

所属专题:大数据分析与存储实践

嘉宾 : 林选磊 | TigerGraph解决方案工程师

会议室 : 宴会厅2

讲师介绍

专题演讲嘉宾:林选磊

TigerGraph 解决方案工程师

TigerGraph 解决方案工程师。具有多年大数据分析和工程项目经验。致力于金融、保险、制造业等多个领域的图数据库解决方案。

议题介绍

演讲:原生并行图助力机器学习和可解释性 AI

图与机器学习有着密不可分的关系,图大大地增强了 AI 的可解释性。特征工程在机器学习中起着举足轻重的作用,当训练存在复杂网络关系的数据时,图特征能反应数据的特点,随着图特征的加入,很大程度地提升了训练效果。通过图论中的社区发现算法,能快速实现非监督学习中的聚类算法。目前很流行的深度学习(神经网络),本身就是图状的结构,因此可以通过图数据库来实现神经网络算法。

听众收益

  1. 为什么机器学习和人工智能中需要图?
  2. 图是如何为监督学习提供更丰富的特征的?
  3. 图算法是如何实现非监督学习的?
  4. 如何用图数据库实现神经网络?

交通指南

© 2020 Baidu - GS(2019)5218号 - 甲测资字1100930 - 京ICP证030173号 - Data © 长地万方
想要批量报名或更多优惠?
立即联系票务小姐姐 Ring
或致电:+86 17310043226