실무자를 위한 그래프 데이터 활용법
그래프를 그리면 세상이 보인다
Regular price
$41.57
Sale price
Regular price
✈️
Estimated delivery date 예상 배송일
Standard Shipping
불러오는 중...
주문일로부터 8-12 영업일
Express Shipping
불러오는 중...
주문일로부터 6-8 영업일
국내 최초 그래프 씽킹(graph thinking) 안내서,
문제 해결력을 키우는 그래프 씽킹 완벽 가이드
데이터는 점점 더 방대하고 복잡해지고 있다. 넘쳐나는 데이터의 홍수 속에서 구원의 손길을 바라는 이가 있다면 바로 여기, 이 책을 펼쳐보자. 컴퓨터는 행과 열로 이루어진 정적 데이터에 의존하는 반면, 사람은 관계를 통해 삶을 탐색하고 유추한다. 그래프 데이터는 사람과 컴퓨터가 세상을 바라보는 관점의 차이를 좁힌다. 이 책에서는 새로운 사고방식인 그래프 씽킹 개념을 소개하며 그래프 데이터로 두 가지 접근 방식을 아우르는 방법을 친절히 안내한다. 이 책을 따라 하며 그래프 씽킹과 그래프 이론, 데이터베이스 스키마, 분산 시스템, 데이터 분석을 터득하고 그래프 데이터를 효율적으로 구축해 복잡한 문제를 해결하는 법을 배워보자.
문제 해결력을 키우는 그래프 씽킹 완벽 가이드
데이터는 점점 더 방대하고 복잡해지고 있다. 넘쳐나는 데이터의 홍수 속에서 구원의 손길을 바라는 이가 있다면 바로 여기, 이 책을 펼쳐보자. 컴퓨터는 행과 열로 이루어진 정적 데이터에 의존하는 반면, 사람은 관계를 통해 삶을 탐색하고 유추한다. 그래프 데이터는 사람과 컴퓨터가 세상을 바라보는 관점의 차이를 좁힌다. 이 책에서는 새로운 사고방식인 그래프 씽킹 개념을 소개하며 그래프 데이터로 두 가지 접근 방식을 아우르는 방법을 친절히 안내한다. 이 책을 따라 하며 그래프 씽킹과 그래프 이론, 데이터베이스 스키마, 분산 시스템, 데이터 분석을 터득하고 그래프 데이터를 효율적으로 구축해 복잡한 문제를 해결하는 법을 배워보자.
Couldn't load pickup availability
출판사 리뷰
출판사 리뷰
이제는 그래프 데이터베이스 시대!
새로운 패러다임 그래프 씽킹을 만나다
데이터 관리 회사 '데이터스택스(Datastax)'에서 근무하는 CDO, CTO가 함께 집필한 그래프 데이터베이스 사용 안내서! 그들이 여러 팀에게 조언하며 얻은 지식과 노하우를 이 책에 모두 담았다. 방대하고 복잡한 데이터에서 가치를 추출하는 혜안으로 '그래프 씽킹' 개념을 제시하며 여러분의 사고방식을 그래프 씽킹으로 전환할 수 있도록 친절히 안내한다. 개념 이해를 돕는 풍부한 그림과 실무에 유용한 예제를 통해 그래프 데이터베이스 시대를 마주하게 될 여러분에게 세상을 이해할 수 있는 비밀스런 열쇠를 쥐여준다. 그래프 씽킹으로 데이터를 효율적으로 구축하는 방법을 배워 한 걸음 더 성장한 데이터 엔지니어가 되어보자.
대상 독자
● 그래프 데이터를 효과적으로 사용하고 싶은 데이터 엔지니어, 데이터 아키텍트
● 그래프 씽킹을 터득하고 싶은 데이터 과학자, 데이터 분석가
● 그래프 씽킹이 궁금한 누구나(기초 데이터베이스 지식이 있다면 개념을 더 쉽게 이해할 수 있다)
주요 내용
● 관계형, 그래프 데이터베이스로 아키텍처 구축하기
● 유명한 그래프 데이터 패턴 Customer 360 애플리케이션 구현하기
● 계층형 데이터에서 그래프 데이터로 작업할 때 발생하는 문제 해결하기
● 경로를 찾는 다양한 방법과 경로가 선호도에 미치는 영향 살펴보기
● 협업 필터링으로 넷플릭스와 비슷한 영화 추천 시스템 설계하기
새로운 패러다임 그래프 씽킹을 만나다
데이터 관리 회사 '데이터스택스(Datastax)'에서 근무하는 CDO, CTO가 함께 집필한 그래프 데이터베이스 사용 안내서! 그들이 여러 팀에게 조언하며 얻은 지식과 노하우를 이 책에 모두 담았다. 방대하고 복잡한 데이터에서 가치를 추출하는 혜안으로 '그래프 씽킹' 개념을 제시하며 여러분의 사고방식을 그래프 씽킹으로 전환할 수 있도록 친절히 안내한다. 개념 이해를 돕는 풍부한 그림과 실무에 유용한 예제를 통해 그래프 데이터베이스 시대를 마주하게 될 여러분에게 세상을 이해할 수 있는 비밀스런 열쇠를 쥐여준다. 그래프 씽킹으로 데이터를 효율적으로 구축하는 방법을 배워 한 걸음 더 성장한 데이터 엔지니어가 되어보자.
대상 독자
● 그래프 데이터를 효과적으로 사용하고 싶은 데이터 엔지니어, 데이터 아키텍트
● 그래프 씽킹을 터득하고 싶은 데이터 과학자, 데이터 분석가
● 그래프 씽킹이 궁금한 누구나(기초 데이터베이스 지식이 있다면 개념을 더 쉽게 이해할 수 있다)
주요 내용
● 관계형, 그래프 데이터베이스로 아키텍처 구축하기
● 유명한 그래프 데이터 패턴 Customer 360 애플리케이션 구현하기
● 계층형 데이터에서 그래프 데이터로 작업할 때 발생하는 문제 해결하기
● 경로를 찾는 다양한 방법과 경로가 선호도에 미치는 영향 살펴보기
● 협업 필터링으로 넷플릭스와 비슷한 영화 추천 시스템 설계하기
목차
목차
CHAPTER 1 그래프 씽킹
1.1 떠오르는 그래프 기술
1.2 그래프 씽킹이란
1.3 복잡한 문제를 해결하는 기술 선택하기
1.4 그래프 씽킹 여정 시작하기
CHAPTER 2 관계형에서 그래프 씽킹으로
2.1 2장 미리 보기: 관계형 개념을 그래프 용어로 변환하기
2.2 관계형과 그래프의 차이
2.3 관계형 데이터 모델링
2.4 그래프 데이터의 개념
2.5 그래프 스키마 언어
2.6 관계형 vs 그래프: 결정 고려 사항
2.7 마치며
CHAPTER 3 간단한 Customer 360
3.1 3장 미리 보기: 관계형 vs 그래프
3.2 그래프 데이터 기본 사용 사례: Customer 360(C360)
3.3 관계형 시스템으로 C360 애플리케이션 구현하기
3.4 그래프 시스템으로 C360 애플리케이션 구현하기
3.5 관계형 vs 그래프: 선택의 기로에 서 있다면
3.6 마치며
CHAPTER 4 이웃 탐색 개발
4.1 4장 미리 보기: 더 현실적인 C360 만들기
4.2 그래프 데이터 모델링 101
4.3 이웃 탐색 개발 세부 구현
4.4 기본적인 그렘린 탐색
4.5 고급 그렘린: 질의 결과 다듬기
4.6 개발 단계에서 제품 단계로 이동하기
CHAPTER 5 이웃 탐색 제품화
5.1 5장 미리 보기: 아파치 카산드라의 분산 그래프 데이터 이해하기
5.2 아파치 카산드라에서 그래프 데이터 사용하기
5.3 그래프 데이터 모델링 201
5.4 최종 제품 구현
5.5 더 복잡한, 분산 그래프 문제
CHAPTER 6 트리 사용 개발
6.1 6장 미리 보기: 트리 탐색, 계층 데이터, 순환
6.2 세 가지 예제로 살펴보는 계층, 중첩 데이터
6.3 용어의 숲에서 길 찾기
6.4 센서 데이터로 계층 구조 이해하기
6.5 개발 모드: 리프에서 루트로 질의하기
6.6 개발 모드: 루트에서 리프로 질의하기
6.7 시간 정보 확인
CHAPTER 7 트리 사용 제품화
7.1 7장 미리 보기: 분기 계수, 깊이, 간선의 시간 이해
7.2 센서 데이터의 시간 이해
7.3 분기 계수 이해
7.4 센서 데이터 제품 스키마
7.5 제품 모드: 리프에서 루트로 질의하기
7.6 제품 모드: 루트에서 리프로 질의하기
7.7 타워 장애 시나리오에 질의 적용하기
7.8 나무를 위해 숲 보기
CHAPTER 8 경로 찾기 개발
8.1 8장 미리 보기: 네트워크의 신뢰 수량화하기
8.2 세 가지 예제로 살펴보는 신뢰
8.3 경로 기초 개념
8.4 신뢰 네트워크에서 경로 찾기
8.5 비트코인 신뢰 네트워크로 탐색 이해하기
8.6 최단 경로 질의
CHAPTER 9 경로 찾기 제품화
9.1 9장 미리 보기: 가중치, 거리, 가지치기 이해하기
9.2 가중치 경로와 검색 알고리즘
9.3 최단 경로 문제에 알맞게 간선 가중치 정규화하기
9.4 최단 가중치 경로 질의
9.5 제품의 가중치 경로와 신뢰
CHAPTER 10 추천 개발
10.1 10장 미리 보기: 영화 추천 협업 필터링
10.2 추천 시스템 예
10.3 협업 필터링 소개
10.4 영화 데이터: 스키마, 로딩, 질의 검토
10.5 그렘린의 항목 기반 협업 필터링
CHAPTER 11 그래프의 간단한 개체 해석
11.1 11장 미리 보기: 여러 데이터셋을 하나의 그래프로 병합하기
11.2 다른 복잡한 문제 정의: 개체 해석
11.3 두 영화 데이터셋 분석하기
11.4 영화 데이터 매칭, 병합
11.5 거짓 긍정 해결
CHAPTER 12 추천 제품화
12.1 12장 미리 보기: 지름길 간선, 사전 계산, 고급 가지치기 기술 이해하기
12.2 실시간 추천용 지름길 간선
12.3 영화 데이터의 지름길 간선 계산하기
12.4 영화 추천 제품 스키마와 데이터 로딩
12.5 지름길 간선을 이용한 추천 질의
CHAPTER 13 마치며
13.1 이제 어디로 가야 할까
13.2 연락 주고받기
1.1 떠오르는 그래프 기술
1.2 그래프 씽킹이란
1.3 복잡한 문제를 해결하는 기술 선택하기
1.4 그래프 씽킹 여정 시작하기
CHAPTER 2 관계형에서 그래프 씽킹으로
2.1 2장 미리 보기: 관계형 개념을 그래프 용어로 변환하기
2.2 관계형과 그래프의 차이
2.3 관계형 데이터 모델링
2.4 그래프 데이터의 개념
2.5 그래프 스키마 언어
2.6 관계형 vs 그래프: 결정 고려 사항
2.7 마치며
CHAPTER 3 간단한 Customer 360
3.1 3장 미리 보기: 관계형 vs 그래프
3.2 그래프 데이터 기본 사용 사례: Customer 360(C360)
3.3 관계형 시스템으로 C360 애플리케이션 구현하기
3.4 그래프 시스템으로 C360 애플리케이션 구현하기
3.5 관계형 vs 그래프: 선택의 기로에 서 있다면
3.6 마치며
CHAPTER 4 이웃 탐색 개발
4.1 4장 미리 보기: 더 현실적인 C360 만들기
4.2 그래프 데이터 모델링 101
4.3 이웃 탐색 개발 세부 구현
4.4 기본적인 그렘린 탐색
4.5 고급 그렘린: 질의 결과 다듬기
4.6 개발 단계에서 제품 단계로 이동하기
CHAPTER 5 이웃 탐색 제품화
5.1 5장 미리 보기: 아파치 카산드라의 분산 그래프 데이터 이해하기
5.2 아파치 카산드라에서 그래프 데이터 사용하기
5.3 그래프 데이터 모델링 201
5.4 최종 제품 구현
5.5 더 복잡한, 분산 그래프 문제
CHAPTER 6 트리 사용 개발
6.1 6장 미리 보기: 트리 탐색, 계층 데이터, 순환
6.2 세 가지 예제로 살펴보는 계층, 중첩 데이터
6.3 용어의 숲에서 길 찾기
6.4 센서 데이터로 계층 구조 이해하기
6.5 개발 모드: 리프에서 루트로 질의하기
6.6 개발 모드: 루트에서 리프로 질의하기
6.7 시간 정보 확인
CHAPTER 7 트리 사용 제품화
7.1 7장 미리 보기: 분기 계수, 깊이, 간선의 시간 이해
7.2 센서 데이터의 시간 이해
7.3 분기 계수 이해
7.4 센서 데이터 제품 스키마
7.5 제품 모드: 리프에서 루트로 질의하기
7.6 제품 모드: 루트에서 리프로 질의하기
7.7 타워 장애 시나리오에 질의 적용하기
7.8 나무를 위해 숲 보기
CHAPTER 8 경로 찾기 개발
8.1 8장 미리 보기: 네트워크의 신뢰 수량화하기
8.2 세 가지 예제로 살펴보는 신뢰
8.3 경로 기초 개념
8.4 신뢰 네트워크에서 경로 찾기
8.5 비트코인 신뢰 네트워크로 탐색 이해하기
8.6 최단 경로 질의
CHAPTER 9 경로 찾기 제품화
9.1 9장 미리 보기: 가중치, 거리, 가지치기 이해하기
9.2 가중치 경로와 검색 알고리즘
9.3 최단 경로 문제에 알맞게 간선 가중치 정규화하기
9.4 최단 가중치 경로 질의
9.5 제품의 가중치 경로와 신뢰
CHAPTER 10 추천 개발
10.1 10장 미리 보기: 영화 추천 협업 필터링
10.2 추천 시스템 예
10.3 협업 필터링 소개
10.4 영화 데이터: 스키마, 로딩, 질의 검토
10.5 그렘린의 항목 기반 협업 필터링
CHAPTER 11 그래프의 간단한 개체 해석
11.1 11장 미리 보기: 여러 데이터셋을 하나의 그래프로 병합하기
11.2 다른 복잡한 문제 정의: 개체 해석
11.3 두 영화 데이터셋 분석하기
11.4 영화 데이터 매칭, 병합
11.5 거짓 긍정 해결
CHAPTER 12 추천 제품화
12.1 12장 미리 보기: 지름길 간선, 사전 계산, 고급 가지치기 기술 이해하기
12.2 실시간 추천용 지름길 간선
12.3 영화 데이터의 지름길 간선 계산하기
12.4 영화 추천 제품 스키마와 데이터 로딩
12.5 지름길 간선을 이용한 추천 질의
CHAPTER 13 마치며
13.1 이제 어디로 가야 할까
13.2 연락 주고받기
저자
저자
데니즈 고즈넬
Denise Gosnell
데이터스택스(Datastax)의 최고 데이터 책임자(CDO). 2017년 데이터스택스에 합류해 세계에서 가장 큰 분산 그래프 애플리케이션을 개발하는 Global Graph Practice 팀을 만들고 이끌었다. 미국 국립과학재단 펠로로 테네시 대학교(University of Tennessee)에서 컴퓨터 공학 박사 학위를 취득했다. 그래프 알고리즘을 활용해 소셜 미디어 상호작용 기반으로 사용자 신원을 예측하는 '소셜 지문(social fingerprinting)' 개념을 만들고 연구했다.
주요 경력은 그래프 데이터 애플리케이션을 조사하고, 적용하고, 지지하는 것과 관련된다. 그래프 이론, 그래프 알고리즘, 그래프 데이터베이스와 관련한 특허를 출원하고 출판했으며, 이와 연계된 다양한 주제의 연사로도 활동한다. 데이터스택스에서 일하기 전에는 의료 산업에 근무하면서 허가형 블록체인, 그래프 분석과 데이터 과학에 적용하는 머신러닝 등의 소프트웨어 솔루션을 개발했다.
데이터스택스(Datastax)의 최고 데이터 책임자(CDO). 2017년 데이터스택스에 합류해 세계에서 가장 큰 분산 그래프 애플리케이션을 개발하는 Global Graph Practice 팀을 만들고 이끌었다. 미국 국립과학재단 펠로로 테네시 대학교(University of Tennessee)에서 컴퓨터 공학 박사 학위를 취득했다. 그래프 알고리즘을 활용해 소셜 미디어 상호작용 기반으로 사용자 신원을 예측하는 '소셜 지문(social fingerprinting)' 개념을 만들고 연구했다.
주요 경력은 그래프 데이터 애플리케이션을 조사하고, 적용하고, 지지하는 것과 관련된다. 그래프 이론, 그래프 알고리즘, 그래프 데이터베이스와 관련한 특허를 출원하고 출판했으며, 이와 연계된 다양한 주제의 연사로도 활동한다. 데이터스택스에서 일하기 전에는 의료 산업에 근무하면서 허가형 블록체인, 그래프 분석과 데이터 과학에 적용하는 머신러닝 등의 소프트웨어 솔루션을 개발했다.
Payment & Security
Payment methods
Your payment information is processed securely. We do not store credit card details nor have access to your credit card information.
