想了解您的数据网络结构及其在不同条件下的变化情况吗？想知道如何在图中识别紧密交互的集群？您是否听说过图分析这一快速增长的领域并想了解更多？本课程将为您提供图分析领域的广泛概述，以便您学习对图结构数据进行建模、存储、检索和分析的新方法。 完成本课程后，您将能够将问题建模到图数据库中，并以可扩展的方式在图上执行分析任务。 更妙的是，您将能够应用这些技术来了解自己项目中数据集的重要性。
大数据图表分析
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
本课程是 大数据 专项课程 专项课程的一部分
在注册此课程时，您还会同时注册此专项课程。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书
该课程共有5个模块
认识讲师 Amarnath Gupta，了解课程目标。
涵盖的内容
1个视频1篇阅读材料
欢迎光临！本周我们将初步了解图形及其在日常生活中的应用。 在本模块结束时，您将能够应用图形的核心数学属性创建一个图形，并确定可以对这样的图形提出哪些分析问题。 我们希望您能从中得到启发，了解图形表示法如何帮助您解答新的大数据问题！
涵盖的内容
8个视频2篇阅读材料1个作业1次同伴评审2个讨论话题
涵盖的内容
17个视频3篇阅读材料2个作业2个讨论话题
欢迎来到图形分析课程的第 4 个模块。上周，我们了解了一些图形属性以及它们的重要性。本周，我们将利用这些属性，使用免费且功能强大的图分析工具 Neo4j 对图进行分析。我们将演示如何使用 Neo4j 的查询语言 Cypher 对各种图网络进行各种分析。
涵盖的内容
7个视频9篇阅读材料2个作业
在上两个模块中，我们学习了图形分析和图形数据管理。本周我们将研究它们是如何结合在一起的。有一些编程模型和软件框架是专门为图分析而创建的。 在本模块中，我们将介绍这些模型和框架。 我们将学习如何使用 GraphX 和 Giraph 实现第 2 周学到的内容，并在此基础上继续发展。
涵盖的内容
11个视频6篇阅读材料1个作业
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
位教师
授课教师评分
(72个评价)
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
- 5 stars
56.13%
- 4 stars
26.42%
- 3 stars
11.18%
- 2 stars
3.51%
- 1 star
2.73%
显示 3/1279 个
SC
已于 Apr 2, 2020审阅
Generally a good course. However, the last week was just a "look and follow" week. The only thing I take from this week is that things are possible with Spark, but that's it.
ZL
已于 May 4, 2017审阅
This is one of the toughest and most interesting course at it deals with big data in graph database. Highly recommend this course to those who wants to know graph database.
JA
已于 Oct 27, 2018审阅
I found a new love in this course Neo4j. Graphs are really powerful. You should expect a very intensive theoretical and hands-on knowledge to takeaway from this course. Think like a vertex ....
从 数据科学 浏览更多内容
O.P. Jindal Global University
Johns Hopkins University
University of California, Davis
¹ 本课程的部分作业采用 AI 评分。对于这些作业，将根据 Coursera 隐私声明使用您的数据。