تقدم TigerGraph قدرات التعلم الآلي والتحليل إلى السحابة
تحقق من الجلسات عند الطلب من مؤتمر Low-Code / No-Code لتتعلم كيفية ابتكار الأداء وتحسينه بشكل فعال عن طريق تطوير مهارات المطورين المواطنين وتوسيع نطاقهم. .
تحقق من الجلسات عند الطلب من مؤتمر Low-Code / No-Code لتتعلم كيفية ابتكار الأداء وتحسينه بشكل فعال عن طريق تطوير مهارات المطورين المواطنين وتوسيع نطاقهم. .
يتزايد مكانة السحابة في بيئة الإحصاء ونريد تعزيز وظيفتها. اليوم ، طرح صاحب العمل العديد من الميزات الجديدة بحيث يمكن لعملاء السحابة تقديم قوة أكبر من التحليلات والذكاء الاصطناعي (AI) دون مغادرة حدود قاعدة بيانات TigerGraph. تعمل التحديثات على توسيع وظيفة أدواتها ، حيث أصبح منتج TigerGraph أكثر تحليلاً للحقائق ومنصة AI أكثر من مجرد آلية لتخزين المعلومات الرسومية.
قال جاي يو ، نائب الرئيس للمنتجات والابتكار في TigerGraph: "لا تزال أكبر منظماتنا في أماكن العمل". "ومع ذلك ، فإننا ندرك أن عددًا من العملاء الصغار ومتوسطي الحجم أو العملاء الأكثر تقدمًا يفضلون السحاب بالتأكيد."
تحليلات السحاب
تشمل النشرات ثلاث ميزات تنقل مجموعة من المراجعات والتقييمات لعملاء السحابة. كانت هذه الخيارات متاحة بشكل روتيني للمستخدمين المتصلين بقاعدة البيانات على الفور ، لكنها غالبًا ما تتطلب قدرًا كبيرًا من التكوين الإضافي ، بما في ذلك خطوط أنابيب البيانات الكبيرة مثل Apache Spark. الإصدارات السحابية مضمنة بالفعل ومتاحة للجميع ، بما في ذلك أولئك الذين يستخدمون الطبقة السائبة.
يعتبر TigerGraph Insights جهازًا بارزًا يوفر خيارًا منخفضًا وبدون رمز ، بحيث يمكن للمستخدمين إنشاء تقارير وصور بواجهة مبسطة. الهدف هو السماح للمستخدمين ، بالإضافة إلى العملاء غير التقنيين الآخرين ، بإنشاء "ملخصات رسومية" تلخص معلومات قاعدة البيانات في التقارير ولوحات المعلومات بهدف التحديث تلقائيًا.
توفر قاعدة البيانات للعملاء بالفعل القدرة على تحميل المعلومات من واجهة برمجة التطبيقات إلى الأنظمة الأساسية الأخرى للتحقق من الحقائق مثل Tableau ، ولكن الميزة الجديدة توفر خيارات يمكنها استخدام عدد من معلومات الشبكات المدمجة بانتظام في الرسم البياني. يمكن أن يوفر إجابات للأسئلة الرسومية مثل العقدة الأكثر ارتباطًا بالعقد المختلفة بدون أكثر من قفزتين.
"لم نعد نحاول استبدال الأدوات التي نعرف أن الأشخاص يمتلكونها بالفعل." قال يو ، "لكن المهمة هي أنهم لا يستطيعون القيام بعمل الرسم. لا يمكنك [تحليل الشبكة]. يمكنك ببساطة عمل العرض الجدولي ".
تم تصميم قواعد بيانات الرسم البياني مثل TigerGraph بشكل أساسي لتخزين وفحص شبكات العقد أو عوامل التسجيل. بعض مجموعات قواعد بيانات الرسم البياني المستقلة مثل أو تضيف القدرات لتخزين ودراسة معلومات الرسم البياني. تعد الإصدارات السحابية من قواعد البيانات هذه وغيرها مثل AWS Neptune منافسين نشيطين لـ TigerGraph في سوق تخزين الرسم البياني السحابي.
ML و AI لإحصاءات السحاب
قفزة أساسية أخرى إلى الأمام في بيان اليوم هي ML Workbench ، وهو بديل يتيح لعملاء السحابة الجمع بين دفاتر Jupyter المحمولة الشهيرة مع كلا الإحصائيتين الرسوميتين. يمكن للمستخدمين البدء في تدريب إصدار الذكاء الاصطناعي ليس فقط باستخدام الإحصائيات الجدولية الأولية ، ولكن أيضًا باستخدام الوصلات البينية التي تشكل الشبكة في قاعدة البيانات.
يصبح الجهاز القوي الذي يكتسب المعرفة حول (ML) مباشرة داخل قاعدة البيانات ميزة أساسية لقواعد البيانات. في السيناريوهات الرائعة ، قد يخزن الوقت لتصدير المعلومات إلى وظيفة منفصلة ، وهو تأخير يمكن أن يكون ضخمًا مع مجموعات البيانات الكبيرة.
"عندما تنظر إلى مجموعة من الحقائق لتمييز النمط الذي يقف وراءه وتعلمه أيضًا بإحصاءات رسومية ، فجأة يصبح الإصدار أكثر ذكاءً." قال يو الذي أشار أيضًا إلى أنه من الواضح أنه أمر جيد لمهام مثل اكتشاف الاحتيال حيث يمكن أن تكون العلاقات بين الأشخاص أو العوامل الإحصائية المختلفة معلومة.
هذا النوع من التحليل هو الأنسب بشكل عام للسحابة. قد تتطلب أساليب التعليم عمليات حسابية ثقيلة واستخدام معالجات متخصصة يمكن استخدامها بسهولة أكبر في بعض الأحيان. يمكن لمستخدمي السحابة تشغيل التحليلات أثناء التجربة وتجنب الاستثمار في المزيد من الأجهزة.
تقدم شركات مثل لعملائها خيار العمل مباشرة مع الجهاز من خلال اكتساب المعرفة حول الخوارزميات باستخدام قواعد البيانات الخاصة بهم. بعض مزودي الخدمات السحابية مثل أو صمموا مجموعات أدوات الذكاء الاصطناعي الخاصة بهم للتفاعل على الفور مع العديد من خيارات تخزين التسجيل السحابي. ليس من غير المألوف أن يتم تقديم حلول تخزين الإحصائيات ليس فقط من حيث قدرتها على استرداد المعلومات ، ولكن أيضًا لدمجها مباشرة في خوارزمية التعلم للنظام.
تؤدي الحقيقة المتساوية أيضًا إلى تعطيل مجال تحليل الحقائق. أصبحت الفجوة بين معدات التحليلات ومستودع البيانات أو قاعدة البيانات غير واضحة بشكل متزايد. علماء المعلومات الذين أصبحوا من قبل شركات مثل أو يكتشفون الآن أنه يمكنهم عمل الكثير من اللوحات باستخدام معدات يمكن دمجها مع قاعدة البيانات. تقوم شركة IBM ، على سبيل المثال ، بتجميعها مع مرآب السجلات الخاص بها في منتج يمزج التحليلات والتعلم الآلي والإحصاءات المرآب.
هذا هو نفس المسار الذي تتبعه TigerGraph مع هذه الرسائل الإخبارية. إنه يريد الاستمرار في دمج المزيد من الميزات مثل هذه في منتجه دون تأخير ، وتحويله بشكل فعال إلى نظام أساسي لتقييم المعلومات أكثر من مجرد إجابة في المرآب القياسي.
أصبحت الإنشاءات السحابية أيضًا جزءًا أساسيًا من الإعلان ، ويرجع ذلك جزئيًا إلى أن المؤسسة تقدم طبقة فضفاضة تسمح للمطورين أو علماء البيانات بإجراء الاختبار دون شراء خوادم أو قضاء الوقت في تثبيت البرامج عليها ، مثل الأجهزة المحلية.
قال يو: "إننا نشهد زيادة هائلة في السحابة. نواصل تقديم أشياء جديدة إلى السحابة بسرعة حيث سنبرز هذه الميزات الجديدة. أقل تعقيدًا لدفع الرسم البياني إلينا جميعًا ، هو الرسم البياني للجميع ".
تحقق من الجلسات عند الطلب من مؤتمر Low-Code / No-Code لتتعلم كيفية ابتكار الأداء وتحسينه بشكل فعال عن طريق تطوير مهارات المطورين المواطنين وتوسيع نطاقهم. .
يتزايد مكانة السحابة في بيئة الإحصاء ونريد تعزيز وظيفتها. اليوم ، طرح صاحب العمل العديد من الميزات الجديدة بحيث يمكن لعملاء السحابة تقديم قوة أكبر من التحليلات والذكاء الاصطناعي (AI) دون مغادرة حدود قاعدة بيانات TigerGraph. تعمل التحديثات على توسيع وظيفة أدواتها ، حيث أصبح منتج TigerGraph أكثر تحليلاً للحقائق ومنصة AI أكثر من مجرد آلية لتخزين المعلومات الرسومية.
قال جاي يو ، نائب الرئيس للمنتجات والابتكار في TigerGraph: "لا تزال أكبر منظماتنا في أماكن العمل". "ومع ذلك ، فإننا ندرك أن عددًا من العملاء الصغار ومتوسطي الحجم أو العملاء الأكثر تقدمًا يفضلون السحاب بالتأكيد."
تحليلات السحاب
تشمل النشرات ثلاث ميزات تنقل مجموعة من المراجعات والتقييمات لعملاء السحابة. كانت هذه الخيارات متاحة بشكل روتيني للمستخدمين المتصلين بقاعدة البيانات على الفور ، لكنها غالبًا ما تتطلب قدرًا كبيرًا من التكوين الإضافي ، بما في ذلك خطوط أنابيب البيانات الكبيرة مثل Apache Spark. الإصدارات السحابية مضمنة بالفعل ومتاحة للجميع ، بما في ذلك أولئك الذين يستخدمون الطبقة السائبة.
يعتبر TigerGraph Insights جهازًا بارزًا يوفر خيارًا منخفضًا وبدون رمز ، بحيث يمكن للمستخدمين إنشاء تقارير وصور بواجهة مبسطة. الهدف هو السماح للمستخدمين ، بالإضافة إلى العملاء غير التقنيين الآخرين ، بإنشاء "ملخصات رسومية" تلخص معلومات قاعدة البيانات في التقارير ولوحات المعلومات بهدف التحديث تلقائيًا.
توفر قاعدة البيانات للعملاء بالفعل القدرة على تحميل المعلومات من واجهة برمجة التطبيقات إلى الأنظمة الأساسية الأخرى للتحقق من الحقائق مثل Tableau ، ولكن الميزة الجديدة توفر خيارات يمكنها استخدام عدد من معلومات الشبكات المدمجة بانتظام في الرسم البياني. يمكن أن يوفر إجابات للأسئلة الرسومية مثل العقدة الأكثر ارتباطًا بالعقد المختلفة بدون أكثر من قفزتين.
"لم نعد نحاول استبدال الأدوات التي نعرف أن الأشخاص يمتلكونها بالفعل." قال يو ، "لكن المهمة هي أنهم لا يستطيعون القيام بعمل الرسم. لا يمكنك [تحليل الشبكة]. يمكنك ببساطة عمل العرض الجدولي ".
تم تصميم قواعد بيانات الرسم البياني مثل TigerGraph بشكل أساسي لتخزين وفحص شبكات العقد أو عوامل التسجيل. بعض مجموعات قواعد بيانات الرسم البياني المستقلة مثل أو تضيف القدرات لتخزين ودراسة معلومات الرسم البياني. تعد الإصدارات السحابية من قواعد البيانات هذه وغيرها مثل AWS Neptune منافسين نشيطين لـ TigerGraph في سوق تخزين الرسم البياني السحابي.
ML و AI لإحصاءات السحاب
قفزة أساسية أخرى إلى الأمام في بيان اليوم هي ML Workbench ، وهو بديل يتيح لعملاء السحابة الجمع بين دفاتر Jupyter المحمولة الشهيرة مع كلا الإحصائيتين الرسوميتين. يمكن للمستخدمين البدء في تدريب إصدار الذكاء الاصطناعي ليس فقط باستخدام الإحصائيات الجدولية الأولية ، ولكن أيضًا باستخدام الوصلات البينية التي تشكل الشبكة في قاعدة البيانات.
يصبح الجهاز القوي الذي يكتسب المعرفة حول (ML) مباشرة داخل قاعدة البيانات ميزة أساسية لقواعد البيانات. في السيناريوهات الرائعة ، قد يخزن الوقت لتصدير المعلومات إلى وظيفة منفصلة ، وهو تأخير يمكن أن يكون ضخمًا مع مجموعات البيانات الكبيرة.
"عندما تنظر إلى مجموعة من الحقائق لتمييز النمط الذي يقف وراءه وتعلمه أيضًا بإحصاءات رسومية ، فجأة يصبح الإصدار أكثر ذكاءً." قال يو الذي أشار أيضًا إلى أنه من الواضح أنه أمر جيد لمهام مثل اكتشاف الاحتيال حيث يمكن أن تكون العلاقات بين الأشخاص أو العوامل الإحصائية المختلفة معلومة.
هذا النوع من التحليل هو الأنسب بشكل عام للسحابة. قد تتطلب أساليب التعليم عمليات حسابية ثقيلة واستخدام معالجات متخصصة يمكن استخدامها بسهولة أكبر في بعض الأحيان. يمكن لمستخدمي السحابة تشغيل التحليلات أثناء التجربة وتجنب الاستثمار في المزيد من الأجهزة.
تقدم شركات مثل لعملائها خيار العمل مباشرة مع الجهاز من خلال اكتساب المعرفة حول الخوارزميات باستخدام قواعد البيانات الخاصة بهم. بعض مزودي الخدمات السحابية مثل أو صمموا مجموعات أدوات الذكاء الاصطناعي الخاصة بهم للتفاعل على الفور مع العديد من خيارات تخزين التسجيل السحابي. ليس من غير المألوف أن يتم تقديم حلول تخزين الإحصائيات ليس فقط من حيث قدرتها على استرداد المعلومات ، ولكن أيضًا لدمجها مباشرة في خوارزمية التعلم للنظام.
تؤدي الحقيقة المتساوية أيضًا إلى تعطيل مجال تحليل الحقائق. أصبحت الفجوة بين معدات التحليلات ومستودع البيانات أو قاعدة البيانات غير واضحة بشكل متزايد. علماء المعلومات الذين أصبحوا من قبل شركات مثل أو يكتشفون الآن أنه يمكنهم عمل الكثير من اللوحات باستخدام معدات يمكن دمجها مع قاعدة البيانات. تقوم شركة IBM ، على سبيل المثال ، بتجميعها مع مرآب السجلات الخاص بها في منتج يمزج التحليلات والتعلم الآلي والإحصاءات المرآب.
هذا هو نفس المسار الذي تتبعه TigerGraph مع هذه الرسائل الإخبارية. إنه يريد الاستمرار في دمج المزيد من الميزات مثل هذه في منتجه دون تأخير ، وتحويله بشكل فعال إلى نظام أساسي لتقييم المعلومات أكثر من مجرد إجابة في المرآب القياسي.
أصبحت الإنشاءات السحابية أيضًا جزءًا أساسيًا من الإعلان ، ويرجع ذلك جزئيًا إلى أن المؤسسة تقدم طبقة فضفاضة تسمح للمطورين أو علماء البيانات بإجراء الاختبار دون شراء خوادم أو قضاء الوقت في تثبيت البرامج عليها ، مثل الأجهزة المحلية.
قال يو: "إننا نشهد زيادة هائلة في السحابة. نواصل تقديم أشياء جديدة إلى السحابة بسرعة حيث سنبرز هذه الميزات الجديدة. أقل تعقيدًا لدفع الرسم البياني إلينا جميعًا ، هو الرسم البياني للجميع ".
What's Your Reaction?
