Publicado: Jun 7, 2022
Agora, é possível realizar tarefas de análise gráfica e machine learning em dados gráficos armazenados no Amazon Neptune por meio de uma integração Python de código aberto que simplifica a ciência de dados e os fluxos de trabalho de ML. Com essa integração, você pode ler e gravar dados gráficos armazenados no Neptune usando Pandas DataFrames em qualquer ambiente Python, como uma instância de caderno Jupyter local, o Amazon SageMaker Studio, o AWS Lambda ou outros recursos de computação. A partir daí, é possível executar algoritmos de gráfico, como PageRank e Connected Components, com bibliotecas de código aberto como iGraph, NetworkX e cuGraph.
O lançamento de hoje ajuda os clientes a criar e inovar mais rapidamente, simplificando os fluxos de trabalho para extrair insights analíticos para casos de uso como gráficos de conhecimento, detecção de fraudes, resolução de entidades e gerenciamento da postura de segurança. Por exemplo, você pode executar um algoritmo Connected Components em seus dados do Neptune usando o NetworkX para identificar comunidades de usuários fortemente vinculadas. Você pode então executar PageRank para encontrar os usuários mais influentes em cada comunidade e atualizar esses usuários com um rótulo “Most Influential” (Mais Influente) no Neptune. Você também pode usar bibliotecas Python, como XGBoost, para calcular incorporações ou fazer previsões em dados gráficos, o SDK do SageMaker para Python para treinar e implantar modelos de machine learning ou a Deep Graph Library, que está disponível hoje com o Neptune ML.
Para começar, você pode usar o Console de Gerenciamento da AWS ou o AWS CLI para provisionar um notebook Neptune, que é hospedado pelo SageMaker. Para saber mais, consulte a documentação de código aberto e três novos tutoriais de ciência de dados sobre análise de gráficos para anéis de fraude, identidades sintéticas e otimização de logística de transporte.
Essa integração está disponível em todas as regiões em que o Amazon Neptune está disponível. Não há cobranças adicionais pelo uso dessa integração. Os clientes pagam apenas pelos recursos provisionados para executar um cluster do Neptune e uma instância de notebook do SageMaker, onde os notebooks Neptune estão hospedados. Para obter mais informações sobre definição de preço e disponibilidade regional, consulte a página de preços do Amazon Neptune e a Tabela de regiões da AWS.