Une IA explicable, contextuelle et précise, des pipelines d’entraînement et d’exécution de modèles prédictifs industriels : voilà l’efficacité recherchée par les data scientists.
La base de données de graphes Neo4j permet d’exploiter les relations entre les données et de lancer des flux de travail où les algorithmes de graphes calculent de nouvelles caractéristiques qui enrichissent les modèles prédictifs et donnent un sens nouveau aux données, quelles qu’elles soient.
Nous constaterons cela sur le dataset de publications scientifiques CORA, bien connu dans l’écosystème de la data science : Neo4j et les graph embeddings y permettent de gagner 20 points de précision pour prédire la catégorie d’un papier de recherche.



Bruno Ungermann kümmert sich im Team von Neo4j um Kunden und Interessenten in der Region DACH.Davor war er als Consultant, Projektleiter und Sales Manager im Bereich Enterprise Software bei Softwareherstellern wie Cognos, Hyperion, Oracle und Pentaho tätig.Seine fachlichen Schwerpunkte sind Knowledge-Management und Enterprise Search.
Sed ac purus sit amet nisl tincidunt tincidunt vel at dolor. In ullamcorper nisi risus, quis fringilla nibh mattis ac. Mauris interdum interdum eros, eget tempus lectus aliquet at. Suspendisse convallis suscipit odio, ut varius enim lacinia in. Lorem ipsum dolor sit amet, consectetur adipiscing elit.
Sed ac purus sit amet nisl tincidunt tincidunt vel at dolor. In ullamcorper nisi risus, quis fringilla nibh mattis ac. Mauris interdum interdum eros, eget tempus lectus aliquet at. Suspendisse convallis suscipit odio, ut varius enim lacinia in. Lorem ipsum dolor sit amet, consectetur adipiscing elit.
Sed ac purus sit amet nisl tincidunt tincidunt vel at dolor. In ullamcorper nisi risus, quis fringilla nibh mattis ac. Mauris interdum interdum eros, eget tempus lectus aliquet at. Suspendisse convallis suscipit odio, ut varius enim lacinia in. Lorem ipsum dolor sit amet, consectetur adipiscing elit.