图表或关系的信息,连接,和拓扑的数据点,改变机器学习。我们步行通过真实世界的例子,如何让你的表格数据转换成一个图表,如何开始使用图形AI。这个演讲将概述如何基于图的特征合并到传统机器学习管道,创建图嵌入更好地描述您的图形拓扑,和给你一个预览图母语学习的方法使用神经网络图。我们将讨论有关,现实世界金融犯罪案例研究发现,建议,和药物发现。这个演讲的目的是介绍图的概念为基础的人工智能初学者,以及帮助从业人员了解新技术和应用程序。主要结论:图表数据可以提高机器学习,如何科学应用图形相关数据时,图形本地学习和如何开始。
Neo4j
艾丽西亚框架Neo4j高级数据科学家的产品团队,她负责算法的开发和分析策略。她获得了博士学位计算生物学从北卡罗莱纳大学教堂山分校的生物学和数学学士学位在弗吉尼亚州威廉与玛丽学院,和有超过8年的经验在企业数据科学BenevolentAI,陶氏,EPA。