Graphanalyse: Neues Analysetool und Python-Framework von TigerGraph

Inhaltsverzeichnis

Die Firma TigerGraph erweitert die Möglichkeiten ihrer Software, in der Cloud graphgestützte Analyseverfahren einzusetzen. Dazu wurden zwei neue Werkzeuge speziell für die visuelle Graph- und Machine-Learning-Datenanalyse. vorgestellt. Dazu gehört TigerGraph Insights, bei dem es sich um ein visuelles Graphanalysetool handelt, dass Benutzern und Benutzerinnen Geschäftseinblicke bei der Datensuche und -auswertung bieten soll. Ebenso dabei ist ML Workbench, ein Python-basiertes Framework, das die Entwicklung von graphengestützten Machine-Learning-Anwendungen beschleunigen soll.

Graphdatenbank-as-a-Service mit neuen Funktionen

Nachdem das kalifornische Unternehmen TigerGraph im letzten Jahr eine große Summe Investmentkapital eingesammelt hat, konzentriert es sich nun darauf, die eigene SaaS-Lösung TigerGraph Cloud mit neuen Funktionen zu erweitern. Mit deren Hilfe sollen die Anwender und Anwenderinnen die Einführung von Graph-Techniken mit Funktionen ermöglichen, die ihnen dabei helfen können, Datenanalysen und Transaction-Workloads in Echtzeit zu verarbeiten.

TigerGraph Cloud ist auf Amazon Web Services (AWS), Google Cloud Platform (GCP) und Microsoft Azure verfügbar und bietet Benutzerinnen und Benutzern einen Ansatz zur Bereitstellung und Wartung mehrerer Graphdatenbank-Anwendungen über verschiedene Tools für visuelle Analysen und maschinelles Lernen.

Dabei soll die neueste Version der TigerGraph Cloud es erlauben, bessere Voraussagen auf Basis des jeweiligen Datenbestands sowie „Was-wäre-wenn“-Analysen mit einem No-Code-Ansatz durchzuführen. Zudem bietet sie standardmäßige Unterstützung bei der Entwicklung neuer Machine-Learning-Funktionsgraphen an.

Interaktive Visualisierung auch für ungeschulte Benutzer

Die neue Funktionalität TigerGraph Insights ist ein No-Code- und Low-Code-Werkzeug zur visuellen Graphanalyse, mit dem sowohl geschulte als auch ungeschulte Benutzern und Benutzerinnen interaktive Visualisierungen von Business-Intelligence-Anwendungsdaten auf TigerGraphs Graphdatenbankplattform darstellen können sollen. Zum Visualisieren von Graphen sowie Generieren von Tabellen, Diagramme und Karten lassen sich diese Grafiken miteinander verknüpfen. Diese können dabei auch innerhalb einer interaktiven Dashboard-Anwendung miteinander verknüpft werden, um das Verständnis zu vertiefen und genauere Einblicke in vernetzte Daten zu gewinnen.

Graph-Toolkit für maschinelles Lernen

Die zweite Neuerung ist die TigerGraphs ML Workbench – ein Python-basiertes Framework. Hierbei handelt es sich um ein Graph-Toolkit für maschinelles Lernen, mit dem Data Scientists die Genauigkeit von Machine-Learning-Modellen verbessern, Entwicklungszyklen verkürzen und die Wertschöpfung erhöhen können. Sie setzen dabei die gewohnten Tools, Workflows und Datenbibliotheken innerhalb einer einheitlichen IT-Umgebung, die sich laut TigerGraph problemlos in vorhandene Datenpipelines und Machine-Learning-Infrastrukturen integrieren lassen.

So sollen Data Scientists integrierte Hochleistungsgraphen nahtlos generieren, justieren sowie Stichproben durchführen können, die auf der “Native Parallel Graph Engine“ von TigerGraph und mehr als 55 Open-Source-Graph-Algorithmen basieren. Diese Graph-Analysefunktionen lassen sich extrahieren und in effiziente Datenformate konvertieren, die für eine nachgelagerte Graphenmodellierung neuronaler Netze erforderlich sind. ML Workbench offeriert ein nahtloses Plug-in für Data-Science-Prozesse, das direkt in das Data-Science-Toolkit (Jupyter Notebook) eingebettet ist.

Beide IT-Werkzeuge sind ab sofort für TigerGraph-Cloud-Benutzer verfügbar. Auf der Webseite des Unternehmens stehen freie Testzugänge für die Cloud-Software bereit.

(fms)