Publicado en: Jun 7, 2022
Ahora puede ejecutar tareas de análisis de gráficos y machine learning para datos de gráficos almacenados en Amazon Neptune con una integración de Python de código abierto que simplifica los flujos de trabajo de ciencia de datos y ML. Con esta integración, puede leer y escribir datos de gráficos almacenados en Neptune mediante Pandas DataFrames en cualquier entorno de Python, como una instancia de cuaderno de Jupyter local, Amazon SageMaker Studio, AWS Lambda u otros recursos de computación. A continuación, puede ejecutar algoritmos de gráficos, como PageRank y Connected Components, a través bibliotecas de código abierto como iGraph, NetworkXy cuGraph.
El lanzamiento de hoy ayuda a los clientes a crear e innovar más rápido al simplificar los flujos de trabajo para extraer información de análisis para casos de uso como gráficos de conocimiento, detección de fraudes, resolución de entidades y administración de la posición de seguridad. Por ejemplo, puede ejecutar un algoritmo de Connected Components en sus datos de Neptune a través de NetworkX para identificar comunidades de usuarios fuertemente vinculadas. A continuación, puede ejecutar PageRank para descubrir los usuarios más influyentes en cada comunidad y actualizar dichos usuarios con la etiqueta “Más influyentes” en Neptune. También puede utilizar bibliotecas de Python como XGBoost para calcular integraciones o realizar predicciones sobre datos de gráficos, como el SDK de SageMaker Python para entrenar e implementar modelos de machine learning o Deep Graph Library, ya disponible con Neptune ML.
Para comenzar, puede utilizar la Consola de administración de AWS o la CLI de AWS para aprovisionar un cuaderno de Neptune, alojado por SageMaker. Para obtener más información, consulta la documentación de código abierto y tres nuevos tutoriales de ciencia de datos sobre analizar gráficos para redes de fraude, identidades sintéticas y optimización de logística de transporte.
Este integración está disponible en las mismas regiones que Amazon Neptune. El uso de esta integración no tiene costos adicionales. Los clientes solo pagan por los recursos aprovisionados para ejecutar un clúster de Neptune y una instancia de cuaderno de SageMaker, donde están alojados los cuadernos de Neptune. Para obtener más información sobre los precios y la disponibilidad regional, consulte la página de precios de Amazon Neptune y la tabla de regiones de AWS.