投稿日: Jun 7, 2022
データサイエンスと機械学習ワークフローを簡素化するオープンソースの Python 統合を使用して、Amazon Neptune に保存されているグラフデータに対してグラフ分析と機械学習タスクを実行できるようになりました。この統合により、ローカルの Jupyter Notebook インスタンス、Amazon SageMaker Studio、AWS Lambda、または他のコンピューティングリソースなど、任意の Python 環境で Pandas DataFrames を使用して Neptune に保存されたグラフデータを読み書きできます。そこから、iGraph、NetworkX、cuGraph などのオープンソースライブラリを使用して、PageRank や Connected Components などのグラフアルゴリズムを実行できます。
本日のリリースは、知識グラフ、不正検出、エンティティ解決、セキュリティ体制管理などのユースケースの分析的インサイトを抽出するためにワークフローを簡素化することによって、お客様がより迅速に構築したり、イノベーションを起こしたりするのに役立ちます。例えば、NetworkX を使用して Neptune データに対して Connected Components アルゴリズムを実行し、強くリンクされたユーザーのコミュニティを識別することができます。その後、PageRank を実行して、各コミュニティで最も影響力のあるユーザーを見つけ、これらのユーザーを Neptune の「Most Influential」(最も影響力がある) ラベルで更新できます。埋め込みをコンピューティングしたり、グラフデータに対して予測を行ったりするために XGBoost などの Python ライブラリを使用できるほか、SageMaker Python SDK を使用して機械学習モデルをトレーニングおよびデプロイしたり、現在 Neptune ML で利用できる Deep Graph Library を使用したりすることもできます。
使用を開始するには、AWS マネジメントコンソールまたは AWS CLI を使用して、SageMaker によってホストされている Neptune ノートブックをプロビジョニングできます。詳細については、オープンソースのドキュメントと、不正リング、合成アイデンティティ、および輸送ロジスティクスの最適化のグラフの分析に関する 3 つの新しいデータサイエンスチュートリアルを参照してください。
この統合は、Amazon Neptune を利用できるすべてのリージョンを対象としています。この統合の使用に追加料金はかかりません。お客様には、Neptune ノートブックがホストされている Neptune クラスターと SageMaker ノートブックインスタンスを実行するためにプロビジョニングされたリソースの料金のみをお支払いいただきます。料金と利用可能なリージョンについては、Amazon Neptune 料金ページと AWS リージョン表を参照してください。