TigerGraph推出一项新的机器学习功能，旨在加快数据科学模型的开发，并提高其准确性。

在Graph + AI 峰会期间，该公司推出了TigerGraph ML Workbench预览版，该峰会是由TigerGraph虚拟主办的一年两次的春季公开会议。这家图形数据库供应商成立于2012年，总部位于加利福尼亚州雷德伍德城。

据供应商称，该工具与TigerGraph 3.2及之后的版本兼容，可以部署为完全托管的云服务或内部部署，将于2022年6月全面上市。

TigerGraph的平台基于图形技术，使数据库中的数据点能够同时连接到多个其他数据点，而不是像在传统关系数据库中那样一次仅连接到一个其他数据点。据供应商称，通过一次连接到多个数据点，用户可以更轻松地发现数据之间的关系，从而提高速度和准确性。

Neo4j是图数据库技术领域的另一家供应商，而AWS、IBM、微软和甲骨文等科技巨头也提供图数据库选项。

同时，图技术的常见用例包括欺诈检测和社交媒体平台的开发，这两者都严重依赖于发现关系。

新功能

根据TigerGraph公司机器学习和人工智能副总裁Victor Lee的说法，TigerGraph ML Workbench旨在使数据科学（尤其是开发机器学习模型）更快、更容易、更准确，就像与关系数据库相比，图形技术可加速分析过程并使用户能够更快地获得洞察力和采取行动那样。

该工具使用户能够使用图神经网络开发机器学习模型（数据点同时链接到多个其他数据点，而不仅仅是一个其他数据点），并使用用Python编写的Jupyter Notebooks来对整个机器学习工作流程进行建模.

Jupyter Notebooks是数据科学家用来构建和共享其工作的开源Web应用程序。

Lee称：“Machine Learning Workbench旨在使数据科学家能够轻松地将图形与他们的传统机器学习技术一起使用，同时还可以获得其他数据库无法做到的图形的额外好处。”

客户以前可以使用TigerGraph来构建机器学习模型，但他们必须在他们的图形数据库之上开发自己的机器学习管道。

但Lee表示，借助Jupyter Notebooks，ML Workbench提供了数据管理和模型训练的管道。

他表示：“Workbench 将所有东西放在一起，数据科学家使用Jupyter Notebooks，他们使用Python，Workbench展示了用Python编写的Jupyter Notebooks，以对整个基于图形的机器学习工作流程进行建模。”

TigerGraph ML Workbench的目标受众是数据科学家，但通过在单个工具中提供机器学习工作流，该供应商正试图简化在TigerGraph之上开发机器学习模型的过程，从而将其开放给更广泛的组织。

大多数大型企业都有数据科学团队可以投入时间来构建预测模型，但很多小型企业没有相同的资源。ML Workbench可以节省时间并提高准确性，使任何具有数据科学技能的人都可以进行预测建模。

Constellation Research公司分析师Doug Henschen表示，虽然ML Workbench提升了TigerGraph 平台的机器学习能力，但新工具的关键方面是它的开放性。

ML Workbench旨在与DGL（深度图库）、PyTorch、PyTorch Geometric和TensorFlow 在内的深度学习框架协同工作，并且可以与主要云服务提供商的机器学习工具集成，包括AWS (SageMaker)、Google （Vertex AI）和微软（Azure ML）。

Henschen 称：“TigerGraph 此次发布的重点是开放性，它向流行的深度学习框架开放，并且，API与科技巨头的主要机器学习平台兼容。”

他指出：“那些知道自己在做什么并且有明确偏好的数据科学家喜欢开放性。”

他补充说，TigerGraph ML Workbench提升了TigerGraph和其他图形数据库供应商之前提供的功能。

2021年4月，TigerGraph推出了针对特定应用（包括欺诈检测和网络安全）的预构建机器学习和数据科学算法。AWS 随后于7月推出了Amazon Neptune ML，而Neo4j于4月20日推出了Neo4j Graph Data Science20添加预构建的机器学习和数据科学算法。

Henschen说：“将ML功能捆绑到你的图形数据库似乎已成为强制性要求。”

然而，ML Workbench通过提供Python Notebook环境进一步推进了预测建模。

Henschen 称：“在这个版本中，TigerGraph提供了一个Python Notebook环境，据说它与很多流行的开源库兼容。TigerGraph于2021年推出的预构建算法涵盖了用例，因此该公告为通用ML功能打开了大门，该功能可以以多种方式使用。”

未来计划

Lee表示，下个月将全面提供的TigerGraph ML Workbench版本只是初始版本。

展望未来，该供应商计划使该工具更易于使用，因此不了解Python或不想使用Python的潜在用户可以简单地从菜单中选择选项来构建预测模型，而无需编写代码。

AWS已经提供了无代码预测建模功能，但并非专门针对图形数据库。

此外，Lee表示，ML Workbench的未来迭代将包括与AWS SageMaker、Google Vertex AI和Microsoft Azure ML之外的云平台的集成。

他表示：“这是初始版本，但我们为技术改进制定了路线图：更好的性能、对更多平台的支持，并使其更易于使用。”

他补充说，让其更易于使用与TigerGraph的目标有关，即使图形技术不仅可供训练有素的数据科学家使用，而且还可供广大业务用户使用。

Lee称：“我们希望更多的人享受图表带来的好处，ML Workbench的动机是我们可以做些什么来使图形分析和机器学习更加民主化，以消除图形中的奥秘，让更多的人看到它的好处。”