کتاب Building Knowledge Graphs (ساخت نمودارهای دانش: راهنمای یک متخصص) با استفاده از پایگاه داده Neo4j مفاهیم مربوط به پایگاه داده‌های گراف را به صورت کاربردی آموزش می‌دهد.
در ادامه مقدمه‌ای از کتاب Building Knowledge Graphs را از زبان نویسنده شرح خواهیم داد.
مقدمه‌ای بر کتاب Building Knowledge Graphs:
پایگاه داده‌های گراف و علم داده‌های گراف به سطح قابل توجهی از پذیرش رسیده‌اند. آنها به طور گسترده برای طیف وسیعی از موارد استفاده گسسته مانند تدارکات، توصیه‌ها و کشف تقلب استفاده شده اند. اما یک روند در حال ظهور بزرگتر برای مرتب کردن داده‌ها به روشی عمدی وجود دارد که بینش در مقیاس را در سراسر سیلوهای عملکردی امکان‌پذیر می‌کند. فناوری زیربنای این روند به عنوان نمودار دانش شناخته می‌شود.
نیروهای پشت این روند روشن هستند: سازمان‌ها دیگر از کمبود داده رنج نمی‌برند. در واقع، در عصری که به نظر می‌رسد داده‌های بزرگ یک مشکل حل شده است (حداقل از نقطه نظر ذخیره سازی)، بسیاری از سازمان‌ها عملاً در داده‌ها غرق می‌شوند. حکایت‌های صنعتی هزاران جدول رابطه‌ای در روز که در یک دریاچه داده وارد می‌شوند، فراوان است، اما با فراوانی داده‌ها، چالش غیرمنتظره‌ای وجود دارد که با آن چه باید کرد. اینجاست که نمودارهای دانش کمک می‌کنند.
نمودار دانش، چیدمان هدفمندی از داده‌ها است به طوری که اطلاعات در زمینه قرار می‌گیرد و بینش به راحتی در دسترس است. رکوردهای فردی در یک شبکه ارتباطی از روابط قرار می‌گیرند که پیوند و زمینه معنایی غنی را فراهم می‌کند. این شبکه از روابط – یک نمودار – یک روش فوق العاده بصری برای نمایش دانش مفید است. داده‌هایی که ممکن است در ابتدا برای ارائه یک مورد استفاده از کشف تقلب وجود داشته باشند، می‌توانند به‌طور یکپارچه در نمودار دانش برای ارائه داده‌هایی برای توصیه محصولات مالی (یا برعکس) تغییر کاربری داده شوند. و از آنجا اتصال داده‌های دیگر برای پشتیبانی از موارد استفاده عمودی یا تجزیه و تحلیل افقی ساده است.
نکته مهم، در حالی که اصطلاح نمودار دانش به تازگی در صنعت مطرح شده است، سیستم‌های نمودار دانش برای مدتی وجود داشته اند. کتاب Building Knowledge Graphs 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 سیستم‌ها بر روی نمودارهای دانش و همچنین تفکر در مورد نمودارهای دانش به عنوان زیربنای همه منظوره برای شرکت می‌پردازد. 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.
در حالی که این کتاب عمیق‌ترین و غیرقابل معذرت‌خواهی فنی ما در مورد این موضوع است، این اولین باری نیست که درباره نمودارهای دانش می‌نویسیم. در واقع، در کتاب نمودارهای دانش: داده‌ها در زمینه برای کسب‌وکارهای پاسخ‌گو (O’Reilly)، ما مزایای تجاری پذیرش نمودار دانش را با هدف مخاطبان CIO و CDO برجسته کردیم. اما کتاب Building Knowledge Graphs از نظر فنی بسیار عمیق‌تر است و شامل جزئیات پیاده‌سازی کافی برای طیف وسیعی از ابزارها، الگوها و شیوه‌ها است تا بتوانید نمودارهای دانش خود را با اطمینان بسازید. امیدواریم آنچه در اینجا یاد می‌گیرید شما را به اولین پروژه موفق نمودار دانش و فراتر از آن سوق دهد!
کتاب Building Knowledge Graphs برای چه کسی است؟
این یک کتاب فنی است که با هدف متخصصان محاسبات -معمولاً مهندسان نرم‌افزار، معماران سیستم و مدیران فنی- که می‌خواهند هم پتانسیل نمودارهای دانش و هم نحوه اجرای آنها را درک کنند، است. در حالی که هیچ تجربه قبلی با نمودارهای دانش (یا نمودارها به معنای عام) مورد نیاز نیست، خوانندگان اگر با مفاهیم پایگاه داده مانند پرس و جوها راحت باشند و تجربه برنامه نویسی داشته باشند، بیشترین بهره را از کتاب خواهند برد.
سرفصل‌های کتاب Building Knowledge Graphs:
- Preface
- 1. Introducing Knowledge Graphs
- 2. Organizing Principles for Building Knowledge Graphs
- 3. Graph Databases
- 4. Loading Knowledge Graph Data
- 5. Integrating Knowledge Graphs with Information Systems
- 6. Enriching Knowledge Graphs with Data Science
- 7. Graph-Native Machine Learning
- 8. Mapping Data with Metadata Knowledge Graphs
- 9. Identity Knowledge Graphs
- 10. Pattern Detection Knowledge Graphs
- 11. Dependency Knowledge Graphs
- 12. Semantic Search and Similarity
- 13. Talking to Your Knowledge Graph
- 14. From Knowledge Graphs to Knowledge Lakes
- Index
- About the Authors
جهت دانلود کتاب Building Knowledge Graphs می‌توانید پس از پرداخت، دریافت کنید.
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.