Mit diesem praktischen Leitfaden lernen angewandte Data Scientists, Machine-Learning-Ingenieure und Praktiker, wie man eine vollständige Graph-Learning-Pipeline aufbaut.

Sie werden zentrale Herausforderungen in jeder Phase der Pipeline erkunden, vom Datenerwerb und der Darstellung bis hin zur Echtzeit-Inference und dem Retraining durch Feedback-Schleifen.