ML e IA generativa

Fai previsioni sui dati grafici senza esperienza nel machine learning

Neptune ML crea, addestra e applica automaticamente modelli di machine learning ai dati del grafo. Utilizza DGL per scegliere e addestrare automaticamente il modello di machine learning migliore per il tuo carico di lavoro, in modo da poter fare previsioni di machine learning su dati grafici impiegando ore anziché settimane.

Migliora l'accuratezza della maggior parte delle previsioni di oltre il 50% *

Neptune ML utilizza GNNs, una tecnica di machine learning all'avanguardia applicata ai dati grafici che può ragionare su miliardi di relazioni nei grafi in modo da poter fare previsioni più accurate.

*Neptune ML utilizza le GNN per fare previsioni più accurate di oltre il 50% rispetto al machine learning senza grafi, sulla base di una ricerca pubblicata dalla Stanford University.

Crea app grafiche sensibili al contesto con il framework Python LangChain open source

LangChain è un framework Python open source progettato per semplificare la creazione di applicazioni utilizzando modelli linguistici di grandi dimensioni (LLM). L'integrazione di Neptune con LangChain consente agli sviluppatori di utilizzare il framework open source di LangChain per semplificare la creazione di applicazioni sensibili al contesto.

Traduci le domande in inglese in query grafiche di OpenCypher e restituisci una risposta leggibile dall'uomo

Con Neptune e LangChain, puoi restituire una risposta in base al contesto fornito e interrogare un database a grafo Neptune utilizzando il linguaggio di query OpenCypher. Ad esempio, puoi utilizzare la catena di controllo qualità OpenCypher di Neptune per tradurre domande dall'inglese in query OpenCypher e restituire una risposta leggibile dall'uomo. Questa catena può essere utilizzata per rispondere a domande come «Quante rotte in uscita ha l'aeroporto di Austin?»

Per maggiori dettagli sulla catena di qualità OpenCypher di Neptune, consulta la documentazione open source di LangChain.

Casi d'uso

Rilevamento frodi

Rilevamento di attività fraudolente

Le aziende perdono milioni (anche miliardi) di dollari in frodi e pertanto sono interessate a rilevare utenti, account, dispositivi, indirizzi IP o carte di credito fraudolenti per ridurre al minimo le perdite. È possibile utilizzare una rappresentazione basata su grafi per ottenere l'interazione delle entità (utente, dispositivo o carta) e rilevare le aggregazioni, ad esempio quando un utente avvia più mini transazioni o utilizza diversi account potenzialmente fraudolenti.


Risoluzione dell'identità

Acquisizione di clienti

Un grafo di identità fornisce un'unica visione unificata di clienti e potenziali clienti in base alle loro interazioni con un prodotto o un sito Web attraverso una serie di dispositivi e identificatori. Le organizzazioni utilizzano i grafi di identità per la personalizzazione in tempo reale e il targeting pubblicitario per milioni di utenti. Neptune ML consiglia automaticamente i passaggi successivi o gli sconti sui prodotti a determinati clienti in base ad alcune caratteristiche, come ad esempio la cronologia delle ricerche passate su tutti i dispositivi o la posizione in cui si trovano nel funnel di acquisizione.


Grafo di conoscenza

Grafo di conoscenza

I grafi di conoscenza unificano e integrano le risorse informative di un'organizzazione e le rendono più facilmente disponibili a tutti i membri dell'organizzazione. Neptune ML è in grado di dedurre i collegamenti mancanti tra le origini dati, identificare entità simili per consentire una maggiore conoscenza per tutti.


Consiglio sul prodotto

Consiglio sul prodotto

I consigli tradizionali utilizzano i servizi di analisi manualmente per formulare raccomandazioni sui prodotti. Neptune ML è in grado di identificare nuove relazioni direttamente sui dati grafici e di consigliare facilmente l'elenco dei giochi che un giocatore sarebbe interessato ad acquistare, altri giocatori da seguire o prodotti da acquistare.

Come funziona

Diagramma di funzionamento di Amazon Neptune

Prezzi

Non sono necessari investimenti iniziali. Paghi solo per le risorse AWS utilizzate come Amazon SageMaker, Amazon Neptune e Amazon S3.

Nozioni di base

Il modo più semplice per iniziare a usare Neptune ML è utilizzare i modelli di avvio rapido predefiniti di AWS CloudFormation. Puoi anche consultare i notebook Neptune ML per vedere esempi completi di classificazione dei nodi, regressione dei nodi e previsione dei collegamenti utilizzando lo stack CloudFormation predefinito.

Scopri le caratteristiche del prodotto

Ulteriori informazioni sulle caratteristiche di Amazon Neptune.

Ulteriori informazioni 
Registrati per creare un account gratuito

Ottieni l'accesso immediato al piano gratuito di AWS. 

Registrati 
Inizia subito nella console

Inizia subito a utilizzare Amazon Neptune nella Console di gestione AWS.

Accedi