Neo4j Graph-Datenbanken für KI

Baue Knowledge Graphs, die RAG, Empfehlungen und Betrugserkennung messbar verbessern. Zu den Schwerpunkten gehören Graph Thinking für KI-Anwendungsfälle, Neo4j Essentials: Modellierung, Import, Performance, Cypher, das wirklich sitzt, Graph Data Science für ML und KI, Knowledge Graph + Vektorsuche + LLM (GraphRAG) und Betrieb, Sicherheit und Architektur.

Die Schulung richtet sich an Data Engineers und Analytics Engineers, Machine-Learning- und KI-Engineers, Softwareentwicklerinnen und Softwareentwickler mit Datenfokus und Data Architects und Plattformverantwortliche sowie alle, die Knowledge Graphs und Neo4j für RAG, Empfehlungen oder Fraud Detection einsetzen wollen.

Grundverständnis von Datenmodellen und Abfragen (SQL hilft, ist aber nicht Pflicht). Erste Berührung mit KI/ML oder LLM-Anwendungen ist hilfreich.

Zu den Schwerpunkten gehören Graph Thinking für KI-Anwendungsfälle, Neo4j Essentials: Modellierung, Import, Performance, Cypher, das wirklich sitzt, Graph Data Science für ML und KI, Knowledge Graph + Vektorsuche + LLM (GraphRAG) und Betrieb, Sicherheit und Architektur.

Die Inhalte werden bis zu konkreten Arbeitsschritten zu Graph Data Science für ML und KI, Knowledge Graph + Vektorsuche + LLM (GraphRAG) und Betrieb, Sicherheit und Architektur geführt. Dadurch lässt sich das Gelernte gezielt auf eigene Aufgaben übertragen.

Zu den angestrebten Ergebnissen gehören: Wenn Du KI-Systeme baust, stößt Du schnell auf zwei Probleme: Kontext fehlt oder ist unzuverlässig, und Ergebnisse sind schwer erklärbar; Neo4j hilft, beides zu adressieren, weil Beziehungen, Pfade und Abhängigkeiten explizit im Datenmodell liegen; In diesem Seminar lernst Du, wie Du Graph-Datenbanken als tragfähige Grundlage für KI-Anwendungen nutzt, statt Graphen nur als Speziallösung zu betrachten; Du erarbeitest Dir ein praxistaugliches Vorgehen zur Modellierung: vom ersten Domain-Schnitt über Labels und Relationship-Typen bis zu Regeln für Namenskonventionen,; Du lernst, wie Du Provenienz und Zeitdimensionen abbildest, damit Du später Antworten begründen und Datenquellen nachverfolgen kannst.

Ja. „Graph Data Science für ML und KI“ ist ein eigener Bestandteil der Schulung. Dazu gehören Zentrale Algorithmen: PageRank, Community Detection, Similarity, Feature Engineering aus Graphen: Embeddings und Nachbarschaftsmerkmale und Train/Predict-Workflows und Evaluierung für reale Daten.