图是强大的数据结构,我们可以用它来模拟各种现实世界的关系。通过表示数据的顶点(或节点)和边(顶点之间的连接)的范式,图可以表示几乎任何环境中高度复杂的互连,您可以在社交媒体应用程序(例如, Facebook 和 LinkedIn)到手机和汽车中的 GPS 应用程序。对于每个特定用途,我们可以使用算法来确定和指导我们如何使用图形,例如,包括帮助网络系统确定将数据包数据发送到目的地的最短路径的算法,或者为新的数据提供建议的算法。您最喜欢的社交媒体应用程序中的朋友。
在这个专为初级到中级开发人员和数据科学家设计的视频课程中,讲师Mark Needham 介绍了图形算法并演示了如何将它们整合到您的软件开发和数据科学工作流程中。您的探索首先要了解三种不同类别的算法,其中包括世界著名的 PageRank 算法,并了解一些特别适合图算法的用例。您将看到如何安装 Neo4j 和图形算法库,以及如何在 Jupyter 笔记本中使用 Python 使用图形算法。稍后,Mark 将带您了解在真实数据集上使用每种算法的工作示例。您甚至可以通过在“权力的游戏”数据集上完成端到端示例来应用您的图算法知识。
MP4 | 视频:AVC 1920 x 1080 | 音频:AAC 48 KHz 1ch | 持续时间:02:54:38 | 3.86 GB
类型:在线学习 | 英语语言
你将学到什么——以及如何应用它
图的基础知识和基本术语
了解什么是图算法并了解使用它们可以解决的问题种类
三种广泛使用的算法类别以及其中的许多特定算法:寻路和图搜索算法;中心性算法;和社区检测算法(pathfinding and graph search algorithms; centrality algorithms; and community detection algorithms)
如何使用 Neo4j、NetworkX 和 igraph 针对示例数据集执行图算法
如何在 Jupyter 笔记本中将图算法与 Python 一起使用
本视频课程适合您,因为……
你是一个软件开发人员或数据科学家,谁需要做连接数据的意义
你跟开发一个应用程序,协调和控制许多不同的互连数据部件任务
你想了解如何图形算法集成到Python开发环境
先决条件:
您应该具备初级到中级的软件开发实践知识
您应该熟悉 Python
您应该能够熟练使用版本控制/Git
材料或需要提前下载:无