Graph Machine Learning - Second Edition

EAN/GTIN:: 9781803248066
Hersteller-Nr.:: 9781803248066
Kategorie:: Gedruckte Bücher
Angebote:: 2 Shops bis 4 % sparen gegenüber dem teuersten Angebot
Preisspanne:: 65,40 € – 67,91 €

Preisalarm

Bester Preis

2 Angebote

ab 65,40 €

Günstigstes Angebot

preigu

Versandkostenfrei · 1-2 Werktage

65,40 €

Gesamt 65,40 €

Zum Shop: preigu

Zuletzt aktualisiert: 14. November 2026, 14:21 Uhr

Preisvergleich: 2 Angebote

Sortiert nach Gesamtpreis inkl. Versand · Preise inkl. MwSt. · Als „Nicht verifiziert“ markierte Angebote stammen von Shops ohne Partnerschaft und werden nie als „Bester Preis“ hervorgehoben, solange es ein Partner-Angebot gibt. Bei gleichem Gesamtpreis steht das früher gelistete Angebot zuerst. * „statt“: vom Shop angegebener Vergleichspreis (früherer Shop-Preis oder UVP), nicht von uns geprüft.

Bester Preis

preigu

65,40 €

Gesamt: 65,40 €

Auf Lager · 1-2 Werktage

Versandkostenfrei

Zum Shop
averdo

67,91 €

Gesamt: 67,91 €

Auf Lager

Versand: siehe Shop

Zum Shop

Anzeige – CSS von Cyberslide: CyberSlide ist ein Preisvergleichsdienst (Comparison Shopping Service) und kein Händler. Wenn du über „Zum Shop“ zu einem Händler wechselst oder dort kaufst, erhalten wir ggf. eine Provision (Affiliate-Link). Für dich entstehen dabei keine Mehrkosten. Die Reihenfolge der Angebote richtet sich ausschließlich nach dem Gesamtpreis inkl. Versand; nicht verfügbare Angebote stehen am Ende. Gelistet werden überwiegend Shops, mit denen wir zusammenarbeiten (Partnerprogramme bzw. Provision) – der Vergleich bildet daher nicht den gesamten Markt ab. Angebote mit „Nicht verifiziert“ stammen von Shops ohne Partnerschaft: Ihre Preise lesen wir automatisch von der Shop-Website (ohne Gewähr); sie werden nicht als „Bester Preis“ hervorgehoben, solange es ein Partner-Angebot gibt. Mehr zu Ranking & Bewertungen · Inhalt melden

Alle Preise in Euro inkl. gesetzlicher MwSt., zzgl. der angegebenen Versandkosten. Preise und Verfügbarkeit können sich seit der letzten Aktualisierung geändert haben; maßgeblich ist der Preis im Shop.

Preisverlauf

Tiefstpreis: –
Höchstpreis: –
Veränderung: –

Preisverlauf wird geladen …

Günstigster Preis über alle Shops (ohne Versand). Gespeichert wird nur, wenn sich der Bestpreis ändert; Daten älter als 12 Monate als Monats-Tiefst-/Höchstpreis.

Preisalarm

Wir schicken dir eine E-Mail, sobald dein Wunschpreis erreicht ist.

Produktbeschreibung

Enhance your data science skills with this updated edition featuring new chapters on LLMs, temporal graphs, and updated examples with modern frameworks, including PyTorch Geometric and DGLFree with your book: DRM-free PDF version + access to Packt's next-gen Reader*Key Features:- Master new graph ML techniques through updated examples using PyTorch Geometric and Deep Graph Library (DGL)- Explore GML frameworks and their main characteristics- Leverage LLMs for machine learning on graphs and learn about temporal learning- Purchase of the print or Kindle book includes a free PDF eBookBook Description:Graph Machine Learning, Second Edition builds on its predecessor's success, delivering the latest tools and techniques for this rapidly evolving field. From basic graph theory to advanced ML models, you'll learn how to represent data as graphs to uncover hidden patterns and relationships, with practical implementation emphasized through refreshed code examples. This thoroughly updated edition replaces outdated examples with modern alternatives such as PyTorch and DGL, available on GitHub to support enhanced learning.The book also introduces new chapters on large language models and temporal graph learning, along with deeper insights into modern graph ML frameworks. Rather than serving as a step-by-step tutorial, it focuses on equipping you with fundamental problem-solving approaches that remain valuable even as specific technologies evolve. You will have a clear framework for assessing and selecting the right tools.By the end of this book, you'll gain both a solid understanding of graph machine learning theory and the skills to apply it to real-world challenges.*Email sign-up and proof of purchase requiredWhat You Will Learn:- Implement graph ML algorithms with examples in StellarGraph, PyTorch Geometric, and DGL- Apply graph analysis to dynamic datasets using temporal graph ML- Enhance NLP and text analytics with graph-based techniques- Solve complex real-world problems with graph machine learning- Build and scale graph-powered ML applications effectively- Deploy and scale your application seamlesslyWho this book is for:This book is for data scientists, ML professionals, and graph specialists looking to deepen their knowledge of graph data analysis or expand their machine learning toolkit. Prior knowledge of Python and basic machine learning principles is recommended.Table of Contents- Getting Started with Graphs- Graph Machine Learning- Neural Networks and Graphs- Unsupervised Graph Learning- Supervised Graph Learning- Solving Common Graph-Based Machine Learning Problems- Social Network Graphs- Text Analytics and Natural Language Processing Using Graphs- Graph Analysis for Credit Card Transactions- Building a Data-Driven Graph-Powered Application- Temporal Graph Machine Learning- GraphML and LLMs- Novel Trends on Graphs