人工智能和機器學習推動了預測數據架構的使用，其應用廣泛，涵蓋推薦引擎、欺詐檢測和客戶360等場景。這些模型的準確性與上下文情景的完整性高度相關。
Neo4j 圖數據科學旨在讓數據科學家通過綜合的圖分析技術輕松實現更精準的預測。用戶可以通過圖算法庫、機器學習和數據科學方法改進模型。Neo4j圖數據科學已被廣泛采用并大規模實施，輕松處理數千億個節點和關系。
越來越多的軟件開發人員正在尋求數據科學為用戶提供更好的預測和更強大的推薦引擎。Neo4j圖數據科學可以幫助構建下一組全球智能應用程序的軟件開發人員和數據科學家利用圖算法將上下文情景導入數據，改善模型。
利用Neo4j圖數據科學，數據科學家可在跨生態系統的現有數據管道工具中輕松工作。數據科學家可以在本地使用Neo4j圖數據科學，現在也可以通過 Neo4j AuraDS 使用完全托管的 SaaS 解決方案。
Orita首席技術官Zack Gow表示，Neo4j圖數據科學讓他的團隊能夠更好地響應客戶需求。
Gow 表示：“規模始終是我們首要考慮的因素，因為我們處理來自客戶的數據。我們永遠無法預測客戶數據集的規模，選擇 Neo4j歸功于它處理數據集的能力遠超我們的預期。在選擇工具的早期，我們做過很多嘗試，很多工具根本不能發揮作用，Neo4j則脫穎而出。Neo4j 圖數據科學以圖的方式顯示數據，所以我們能快速展開數據科學項目。作為一個初創公司，我們沒有時間浪費在繁瑣的工具上。”
Zenapse 首席執行官Matthew Bernardini 分享了 Neo4j 圖數據科學對其業務的影響。
Bernardini表示：“我們選擇AuraDS Neo4j 圖數據科學，是因為它是一個完全托管的、基于云的基礎架構，結合了一套優秀且用戶友好的工具和龐大的生產就緒數據科學算法庫，讓我們對平臺充滿信心，確保我們專注于數據和應用程序的開發。Neo4j圖數據庫可以輕松量化數字世界中的關系和相似性，并提供這些關聯關系的全新洞察。”
Neo4j AuraDS 是圖數據科學的強大功能，可作為完全托管服務使用。它包括在單個工作區中訪問超過 65 種圖算法，數據科學家可以更快速地進行實驗。In-graph 機器學習模型和本地Python客戶端有助于提高生產力并簡化工作流程。
除了圖數據科學的核心功能外，AuraDS 客戶還可獲得：
- 簡單、強大的工作流程：拖拽式用戶界面，用于建模并將數據導入圖。
- 靈活擴展性：根據需求變化按需管理對高計算硬件的訪問。
- 自動化操作：無需用戶操作即可在后臺監控、修補和備份工作負載。
- MLOps 支持：重啟時不中斷地保留、發布和恢復模型。
- 可預測的成本：通過按使用情況付費和暫停未使用的選項來管理成本。
- 一鍵備份：一鍵獲取實例、模型和內存中圖快照。
關于 Neo4j 圖數據科學和 AuraDS的更多信息
欲了解有關 Neo4j 圖數據科學和AuraDS 更多信息，請閱讀博客文章或參加2022年4月26日星期二舉辦的“嶄新的圖數據科學：超越過去，更快、更便捷”網絡研討會。
關于 Neo4j
Neo4j是全球圖數據平臺的領導者。我們幫助包括康卡斯特(Comcast)、美國宇航局(NASA)、瑞銀(UBS)和沃爾沃汽車(Volvo Cars)等客戶，捕捉數據中隱藏的現實世界豐富的上下文情境，以應對任何規模的挑戰。我們的客戶通過遏制金融欺詐和網絡犯罪、優化全球網絡、加速突破性研究和提供更好的建議來改變其所在的行業。Neo4j提供實時交易處理、先進的AI/ML、直觀的數據可視化等支持。欲獲得更多信息請瀏覽neo4j.com。
京公網安備 11010502049343號