Ce diaporama a bien été signalé.
Nous utilisons votre profil LinkedIn et vos données d’activité pour vous proposer des publicités personnalisées et pertinentes. Vous pouvez changer vos préférences de publicités à tout moment.

Grafs: de la teoria a la realitat en l'àmbit universitari

43 vues

Publié le

Presentació de Josep Tarruella, de Graph Everywhere, duta a terme a la 20a edició de la Trobada dels Serveis Informàtics de les Universitats de Catalunya (TSIUC'19) celebrada el 12 de desembre de 2019 a la Universitat Autònoma de Barcelona (UAB).

Publié dans : Technologie
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Grafs: de la teoria a la realitat en l'àmbit universitari

  1. 1. Grafos. De la teoría a la realidad Josep Tarruella josep@grapheverywhere.com +34 677 648 994
  2. 2. GRAFOS BIG DATA MANAGEMENT DATA & GRAPH ANALYTICS L Quienes somos
  3. 3. AGENDA Qué son los grafos El valor de las relaciones Tecnología de grafos Casos de uso Algunos proyectos
  4. 4. ¿Un grafo?
  5. 5. Un grafo
  6. 6. Teoría de Grafos Leonhard Euler. Seven Bridges of Königsberg paper published in 1736
  7. 7. Un grafo
  8. 8. AGENDA Qué son los grafos El valor de las relaciones Tecnología de grafos Casos de uso Algunos proyectos
  9. 9. “En astrofísica y cosmología física, se denomina materia oscura a un tipo de materia que corresponde al 80% de la materia del universo …” Primer telescopio: sobre 1600 Primer radiotelescopio: sobre 1940
  10. 10. “Las relaciones son la materia oscura de nuestras BBDD actuales. El mayor conocimiento de la realidad surge del entendimiento de las relaciones entre los datos”
  11. 11. “Increasingly we're learning that you can make better predictions about people by getting all the information from their friends and their friends’ friends than you can from the information you have about the person themselves” James Fowler David Burkus James Fowler Albert-Laszlo Barabasi Relaciones El mejor predictor del comportamiento!
  12. 12. Ser Humano
  13. 13. AGENDA Qué son los grafos El valor de las relaciones Tecnología de grafos Casos de uso Algunos proyectos
  14. 14. Graph Databases “cool” Trends since Jan 2013 DB-Engines.com
  15. 15. RELACIONAL: AMIGOS DE MIS AMIGOS PRESENTACIÓN BY GRAPH EVERYWHERE
  16. 16. a b Cypher: Perfecto para patrones c PRESENTACIÓN BY GRAPH EVERYWHERE
  17. 17. NEO4J: AMIGOS DE MIS AMIGOS Pedro Josep Encontrar amigos de amigos en una red social, hasta una profundidad máxima de cinco niveles. Red de 1.000.000 de personas Cada persona tiene unos 50 amigos aprox. Bea Gregor Cristina PRESENTACIÓN BY GRAPH EVERYWHERE
  18. 18. NEO4J: MAS ALLA DE LA SIMPLICIDAD Nivel Profund Relacional Tiempo (seg) Neo4j Tiempo (seg) Registros Devueltos 2 0,016 0,010 ⋍ 2.500 3 30,267 0,168 ⋍ 110.000 4 1.543,505 1,359 ⋍ 600.000 5 No Termina 2,132 ⋍ 800.000 *Partner y Vukotic’s Experiment - Graph Databasesby Ian Robinson, Jim Webber, and Emil Eifrem PRESENTACIÓN BY GRAPH EVERYWHERE
  19. 19. Navegación Navegación visual entre los datos. Trabajo en equipo Visualización Capacidad de analizar y visualizar los datos y las conexiones entre ellos. Productividad Analítica Avanzada ML y Graph Analytics. Integración pipelines de machine learning de la organización Motor nativo Grafos Sistema gestor de datos en grafo potente y escalable, con seguridad, HA, … Gestión datos sencilla Capacidad de realizar modificaciones de modelo y consultas dinámicamente: Cypher Refactoring, alertas, … Integración Datos Integración e Ingesta de datos internos y externos. Gran volumetría Solución grafos. Arquitectura Tecnológica
  20. 20. AGENDA Qué son los grafos El valor de las relaciones Tecnología de grafos Casos de uso Algunos proyectos
  21. 21. INICIATIVAS GESTIÓN EDUCATIVASoluciones con Impacto directo en la operación 7 Knowledge Graph El conocimiento aparece cuando hacemos visibles las conexiones ocultas entre los datos. Mejora modelos ML & IA Las relaciones son clave para mejorar los sistemas de análisis de datos mediante Machine Learning e Inteligencia Artificial B Sistemas de Recomendación Capacidad de implantar soluciones de recomendación de cursos, contenidos, personas, … Uso híbrido de Grafos y ML. Social Graph Entender las relaciones entre toda la red de estudiantes, colaboradores, proveedores, empresas, … con los que interactua la organización , proporciona un valor altísimo tanto en la toma de decisiones como en la operación
  22. 22. 3 Identity&Access Management Los sistemas de control de acceso son poco flexibles. Con grafos podemos dar una granularidad muy grande y tiempos de respuesta muy buenos y asegurando requisitos de seguridad, GDPR, ... ! Ciberseguridad Detección de intrusiones y seguimiento de la expansión de la misma dentro de la red, afectación, análisis de impacto, … T Network & IT Operations Análisis de impacto de incidencias en la red, mejora y optimización de procesos de carga de datos, monitorización de los sistemas y peticiones de servicios/microservicios, … SOLUCIONES TECNOLÓGICAS CROSS Tecnología con un Impacto directo en el negocio o MDM Iniciativas de Master Data Management. El valor de datos maestros aumenta si somos capaces de identificar las relaciones entre ellos: Usuarios, Productos, …
  23. 23. Grafos: Las redes sociales Scoring de recomendación de personas PRESENTACIÓN BY GRAPH EVERYWHERE
  24. 24. Analytics Transactions Sistemas de Recomendación Detección de Fraude & Blanqueo Knowledge Graph Master Data Management Operaciones Red & IT Product & Service Marketing Pattern Matching Algorithms Traversal & Pathfinding Connectivity Community Detection Centrality Density & Diameter Soluciones operacionales Enrichment Discovery & Design
  25. 25. AGENDA Qué son los grafos El valor de las relaciones Tecnología de grafos Casos de uso Algunos proyectos
  26. 26. Grafo Social RETO Q SOLUCIÓN 3 MEJORA l
  27. 27. Enterprise Metadata Repository University of Washington • Más de 30.000 personas • Entorno y modelo de datos muy complejo Reto Q Solución P https://www.dataversity.net/case-study-university-washington-facilitates-change-enterprise-metadata-repository/#
  28. 28. Josep Tarruella josep@grapheverywhere.com +34 677 648 994
  29. 29. Nuevas variables para los modelos ML Las relaciones son el mejor marcador de la verdad Feature Engineering es cómo combinamos y procesamos los datos para crear nuevas y mejores variables, como clustering o métricas de conectividad. Add More Descriptive Features: - Influence - Relationships - Communities Extraction
  30. 30. • Los modelos actuales de ML ignoran la estructura de red y las relaciones complejas • Los grafos agregan características altamente predictivas a los modelos ML existentes • De lo contrario, predicciones basadas en relaciones no se pueden hacer Mejora las predicciones Integración con tus datos en el pipeline ML & AI
  31. 31. Algoritmos nativos de grafo dentro de Neo4j

×