LEBIGDATA.FR I.A, Cloud & Cybersécurité
Destinée aux data scientists, Neo4j AuraDS est une technologie fondée sur Graph Data Science. Il s’agit d’une solution « entièrement gérée de science de données en tant que service ».
Cette solution encourage l’élaboration de « modèles prédictifs », en plus des flux de travaux analytiques. En effet, l’interface virtuelle jouit de nouvelles fonctionnalités. Elle transite alors sous la forme d’un « as-a-service » entièrement géré et confirme sa disponibilité sur Google Cloud. Cette plateforme graphique signée Neo4j reprend une base de données graphique native Neo4j, une analyse et visualisation graphique, et pour finir, Cyber, un langage d’interrogation graphique.
La nouvelle offre présente au moins 65 algorithmes de graphes sur un même lieu de travail. Cela a un effet accélérateur au niveau de la phase de test. Ce service géré Neo4j AuraDS pourra aussi unifier l’apprentissage automatique, et ce, grâce à un langage Python natif et à des modèles de machine learning intégrés. La base de données graphique sera, par ailleurs, unifiée, rendant possible la découverte des connexions en matière de données.
Neo4j AuraDS existe désormais sur Google Cloud
Les techniques de préparations des données, les algorithmes préconfigurés ainsi que le ML natif des graphes utilisé dans l’amélioration des modèles et prédictions sont d’une grande aide pour les scientifiques. Ces derniers peuvent, désormais, procéder à la vérification et au contrôle des relations existantes. Grâce à cette combinaison, on peut concrétiser la mise à l’échelle de centaines de milliards de nœuds et de relations. A leur tour, ceux-ci s’insèreront aux équipements et flux de travail de data science. N’oublions pas que l’objectif est de garantir une transition rapide de la validation de l’idée à la production effective.
L’usage de carte crédit ou celui de crédits Google Cloud permet ainsi d’accéder à Neo4j AuraDS sur cette plateforme. Les utilisateurs de la solution AuraDS profiteront ainsi des principales fonctions proposées sur la Graph Data Science. Ils jouiront, par ailleurs, de l’interface en drag-and-drop. Cette option est nécessaire pour « modéliser et importer des données dans un graphe, de l’évolutivité du système avec un accès possible à des ressources matérielles haute performance en fonction des besoins, et de l’automatisation des opérations grâce au contrôle des charges de travail, correctifs et aux sauvegardes en arrière-plan sans intervention de l’utilisateur ».
Le support de MLPS destiné à la sauvegarde, au déploiement et la restauration des modèles sans qu’il y ait interruption pendant les redémarrages représente un autre point intéressant. Notons qu’à cela s’ajoute des sauvegardes instantanées qui permettent de conserver en un seul clic, les instances, modèles et graphes intégrés.
