数据分析师必须了解的编程语言

复杂信息的建模与融合

人们每天获取的信息，不限任何主题或领域，大都可以一条或多条陈述句来表达。例如“拜登当选了美国总统”，“Twitter封杀了特朗普”。陈述句的主体大都可以表示为主谓宾，如三元组:<主语：拜登， 谓语：当选，宾语：美国总统>以及<主语：Twitter，谓语：封杀，宾语：特朗普>。而图模型可以很好地建模主谓宾，即以主、宾为两个对象（顶点），以谓语表示对象间的关联或交互（边）。因此图模型能很好地建模主谓宾，进而建模陈述句、信息。而且，这里不对信息做任何主题或者领域的限制，因此图模型能以简洁的形式对复杂知识信息进行良好的建模和融合。

高效的关联发现与分析

图做关联分析的高效性来源于其本身对关联的存储与顶点的低冗余度。以“旅美物理学家吴健雄与中国近代权臣袁世凯有什么关系”这一问题为例，为了回答这一问题，在传统的关系数据库中，需要先在各种可能的关系表里定位“吴健雄”，而“吴健雄”在同一表中的出现可能相当冗余，因为每个“吴健雄”相关的关系实例中“吴健雄”均会出现一次，存在冗余的计算代价。而在图模型中，定位单个“吴健雄”的出现就能够同时定位其相关的所有关联关系，如邻接表。更简洁地说，在传统关系数据库中，以上关联分析往往会在大量表上进行代价高昂的join过程，效率低下，尤其是多个join串联的计算。而在图模型中，由于图本身直接存储了部分关联，同时对顶点及其直接关联的定位能够足够高效（相比于join），进而使得图的关联发现与分析足够高效。 此外，在对传统关系数据多级join的优化过程，往往也将关系数据进行图模型化的过程。回到“吴健雄”与“袁世凯”关系的问题，这个问题在图模型中会以路径的形式来建模，而图算法中有大量针对路径的优化工作，这也是图模型关联高效性的一个来源。总的来说，图对关联的聚焦，带来了能够保证高效关联分析的相关方法论与技术手段，这点促进了图关联分析的高效。
 

5.研究与发展——Murli Thirumale

大量投资于研发的行业，例如生物技术和油气勘探，将从AI中获得最大收益。

对这些行业进行了高风险的巨额投资，可能没有回报。

人工智能可以帮助缩短研发周期并降低调查成本，从而使这些行业可以开展大胆的项目，降低对企业的风险。

6.金融服务——Will LaSala

银行和金融服务机构是受益于使用AI的行业的主要例子。

因此，对于金融机构而言，至关重要的是要利用AI识别大数据集上的模式，以在欺诈对组织和客户造成负面影响之前对其进行检测。
 

4.企业安全——Juliette Rizkallah

身份和访问管理已成为企业安全的核心，但是身份认证过程很复杂，并且涉及大量数据。

人工智能能够通过分析模式和异常，发现有风险的用户，按用户角色对访问进行建模以及自动执行访问请求来简化身份和访问管理（IAM）。这有助于企业保护对其最重要资产的访问。
 

3.医疗保健——Divyabh Mishra

大多数行业很快将不得不依靠AI生存，但是AI对医疗保健的影响甚是巨大的，尤其是在两个领域更为突出：

首先将是能够比人类更早，更准确地发现威胁生命的疾病，例如癌症。

其次是加快药物发现和临床试验的速度，这将降低医疗保健成本，并减少新药开发时间。
 

2.网络安全——Saket Modi

网络安全是拥有多个AI用例的行业之一。

大多数网络攻击都是人工智能的应用，这意味着网络安全与AI密不可分。

我希望企业采用主动、连续、实时的风险管理方法，将AI和ML与外部威胁情报和内部威胁评估结合使用，以使网络安全动态化。

（编辑：周口站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!