Amazon Neptune Analytics s'intègre désormais à GraphStorm pour Scalable Graph Machine Learning
Aujourd'hui, nous annonçons l'intégration d'Amazon Neptune Analytics à GraphStorm, une bibliothèque de machine learning par graphes (ML) évolutive et open source conçue pour les applications à l'échelle de l'entreprise. Cette intégration réunit le moteur d'analyse graphique hautes performances de Neptune et le pipeline flexible de ML de GraphStorm, ce qui permet aux clients de créer plus facilement des applications intelligentes alimentées par des informations basées sur des graphiques.
Grâce à ce lancement, les clients peuvent entraîner des réseaux de neuronaux graphiques (GNN) à l'aide de GraphStorm et intégrer les représentations qu'ils ont apprises, telles que les intégrations de nœuds, les classifications et les prédictions de liens, dans Neptune Analytics. Une fois chargés, ces graphiques enrichis peuvent être interrogés de manière interactive et analysés à l'aide d'algorithmes intégrés tels que la détection communautaire ou la recherche de similarité, permettant ainsi une puissante boucle de rétroaction entre le machine learning et l'analyse humaine. Cette intégration prend en charge un large éventail de cas d'utilisation, allant de la détection de fraudes à la recommandation de contenu, en passant par l'amélioration de l'intelligence de la chaîne d'approvisionnement, la compréhension des réseaux biologiques ou l'amélioration de la segmentation de la clientèle. GraphStorm simplifie la formation des modèles grâce à une interface de ligne de commande (CLI) de haut niveau et prend en charge les cas d'utilisation avancés via son API Python. Neptune Analytics, optimisé pour l'analyse à faible latence de graphiques à des milliards d'échelles, permet aux développeurs et analystes d'explorer les relations multi-sauts, d'analyser les modèles de graphiques et d'effectuer des enquêtes en temps réel.
En combinant Graph ML avec une analytique rapide et évolutive, Neptune et GraphStorm aident les équipes à passer des relations brutes à des insights réels, qu'il s'agisse de découvrir des modèles cachés, de classer les risques ou de personnaliser les expériences. Pour en savoir plus sur l'utilisation de GraphStorm avec Neptune Analytics, consultez l'article de blog.