Visualisierungs- und ML-Funktionen ausgebaut TigerGraph aktualisiert Graphdatenbank-as-a-Service

Von Martin Hensel |

Anbieter zum Thema

Die TigerGraph Cloud hat ein größeres Update erhalten. Neu an Bord sind unter anderem Visualisierungs- und Machine-Learning-Funktionen. Sie sollen tiefere Geschäftseinblicke bieten und die Nutzung von Graph-Technologien vereinfachen.

Die TigerGraph Cloud hat im Rahmen des aktuellen Updates einige neue Funktionen erhalten.
Die TigerGraph Cloud hat im Rahmen des aktuellen Updates einige neue Funktionen erhalten.
(Bild: Screenshot / TigerGraph)

Die Graphdatenbank-as-a-Service bietet in ihrer ab sofort verfügbaren Fassung 3.8 zwei neue Tools für die visuelle Graph- und Machine-Learning-Datenanalyse: TigerGraph Insights ist ein No-Code- und Low-Code-Tool, das sich sowohl an geschulte als auch ungeschulte Benutzer richtet. Es ermöglicht das Erstellen interaktiver Visualisierungen von Business-Intelligence-Anwendungsdaten in Form mehrdimensionaler, interaktiver und miteinander verknüpfbarer Grafiken. Dank Point-and-Click- und Drag-and-Drop-Prinzip ist die Bedienung unkompliziert, zudem stehen visuelle Graphmustersuchen sowie dynamische Verknüpfungen und Navigationselemente zur Verfügung.

ML-Toolkit neu eingeführt

Ebenfalls neu an Bord ist die ML Workbench. Dabei handelt es sich um ein Graph-Toolkit für maschinelles Lernen. Datenwissenschaftler sollen damit die Genauigkeit von Machine-Learning-Modellen deutlich verbessern, Entwicklungszyklen verkürzen und die Wertschöpfung erhöhen können. Benutzer setzen dabei ihre vertrauten Tools, Workflows und Datenbibliotheken innerhalb einer einheitlichen IT-Umgebung ein, die sich in vorhandene Datenpipelines und Machine-Learning-Infrastrukturen integrieren lässt.

Data Scientists können mittels der ML Workbench nahtlos integrierte Hochleistungs-Graphen generieren, justieren und Stichproben durchführen, die auf TigerGraphs Native Parallel Graph Engine und mehr als 55 Open-Source-Graphalgorithmen basieren. Die Graph-Analysefunktionen lassen sich extrahieren und in Datenformate konvertieren, die für eine nachgelagerte Graphenmodellierung neuronaler Netze erforderlich sind. ML Workbench bietet ein nahtloses Plugin für Data-Science-Prozesse, das direkt in das Data-Science-Toolkit Jupyter Notebook eingebettet ist.

(ID:48890802)

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Big Data, Analytics & AI

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Aufklappen für Details zu Ihrer Einwilligung