オンライン(Zoom)

前回は、Galileo XAI (The graph-based platform for eXplainable AI) についての話がありました。2020年に富士通研究所とLARUSが共同で「クレジットカードの決済サービスにおける不正取引検知の検証」を行い成果を出しました。
LARUSはこれだけではなく、Neo4jのオープンソース・エコシステムにもたくさんの貢献があります。

Apache KafkaとのインテグレーションであるNeo4j Connector for Apache Kafka
Apache SparkとのインテグレーションであるNeo4j Connector for Apache Spark
Neo4j JDBC Driver, APOC library, Neo4j ETL Tool, GraphQLなど多くのプロダクトに貢献されています。

メッセージキュー関連では、IBM MQ, ActiveMQ, Rabbit MQなどたくさんのプロダクトがありますが、KafkaやConfulent Platformを使われている会社も多いのではないでしょうか? IoTなどが増えれば増えるほどデータを高速で安全に処理する仕組みが重要になっていきます。

参加者の皆様へ（当日の注意）

ZoomのURLは参加者には確認できるようになっています。

会場のご案内

Zoomで開催します。

1. From Tables to Graphs, a path through data-driven innovation (Lang:English/Japanese)

表からグラフへ、データドリブンなイノベーションへの道

概要

Neo4j is a great tool and, in order to extract insights from it, needs to be feeded by a ton of data; in this context we’ll show how Larus contributes to the Open Source Ecosystem by building official Neo4j Integration components, cover a wide range of use cases, from batch parallel processing via Apache Spark to Stream Processing via Apache Kafka.

Neo4jは素晴らしいツールですが、そこからインサイトを引き出すためには、大量のデータを与える必要があります。ここでは、Larusがどのように公式のNeo4j統合コンポーネントのオープンソース・エコシステムに貢献しているかを紹介します。Apache Sparkによるバッチ並列処理からApache Kafkaによるストリーム処理まで、幅広いユースケースについてお話しします。

発表者 (Speaker)

Andrea Santurbano @ CTO, LARUS
Sofia Conton @ Global Expansion Program, LARUS

LARUS Business Automation: https://www.larus-ba.it

2. 「森」をみて「木」をみるーー埋め込みを利用した上場企業の可視化 (Lang:Japanese)

See the forest for the trees - Visualizing Listed Companies with Node embeddings.

概要

Using the algorithms provided by Neo4j GDS, such as community detection and centrality, we can learn many interesting things about graphs. On the other hand, I sometimes find it difficult to grasp the "big picture" just by looking at individual results. I wanted to read the "individual" data while grasping the "big picture". First, I visualized the data based on the relationships among listed companies in Japan. Here are some of the hints, points, and pitfalls we found. A method called "embedding" provided by GDS plays a central role. Embedding is different from other algorithms. Vectors are not useful by themselves, but with some ingenuity, they can provide very powerful information. I hope this will be helpful as an example.

Neo4j GDSが提供しているコニュニティ検出や中心性などのアルゴリズムを使うとグラフについて様々な面白いがわかります。その一方で個別の結果だけを眺めていても今ひとつ「全体像」を掴めずにいる気がする時も多いかと思います。データに対して「全体」を把握しながら「個別」を調べたいと思いました。それを達成するために今回は上場企業の関係を元に可視化してみました。その中でわかったコツやポイント、そして落とし穴などについてお話します。
また、ここではGDS提供のEmbedding手法が中心的な役割を果たしています。他のアルゴリズムと異なり、Embeddingはベクトルを出力していてそのままでは有用な情報にはならないですが、工夫次第で非常に強力です。その一例として参考になればと思います。

発表者 (Speaker)

Machine Learning Engineer, PhD on Particle Physics
張　森 (Sen Zhang)

3. Neo4j GraphQL and GRANDstack (Lang:Japanese)

概要

GraphQL is a query language for APIs, and a runtime for executing them. Neo4j also implements GraphQL, which is included in a full-stack application called GRANDstack. This presentation will introduce GraphQL and GRANDstack with a demo.

GraphQLは、APIのためのクエリ言語であり、そして実行するためのランタイムです。Neo4jもGraphQLの実装を行なっています。GRANDstackと言うフルスタックのアプリケーションにも含まれています。GraphQLとGRANDstackについてデモを交えて紹介します。

発表者 (Speaker)

案浦浩二 (Koji Annoura)

内容に関しては変更されることがあります。

書籍の告知 (Books)

amazonで販売中のユーザーグループの書籍です。
『グラフ型データベース入門 Neo4jを使う』
AMAZONサイトへ