图方法与机器学习实战：从理论到应用的全景指南

《动手学图机器学习》并不是一本纯粹介绍图机器学习理论的著作，Alessandro Negro 博士作为科学家和 Reco4 公司的 CEO，长期维护图数据源的推荐系统。他结合机器学习工程和图机器学习方法，通过推荐引擎、欺诈检测和知识图谱等案例，讲述了图机器学习工程实战。他以源代码为示例，逐步讲述其实现过程，以及如何更有效地管理图数据、实施算法、存储预测模型和可视化结果。本书适合作为数据科学家和数据科学从业者以及企业工程师的参考书。

《动手学图机器学习》内容涉及图数据工程、图数据库存储、图机器学习技术、图机器学习结果可视化，涵盖了整个软件工程的生命周期。建议读者借鉴这种思维模式，将这种工程思维模式迁移到其他机器学习项目实战中。

另外，本书很好地将图机器学习算法和应用案例相结合，以核心代码为例进行讲解，如果读者要思考机器学习理论如何解决实际项目问题，本书值得借鉴。在现实中，往往很难用前沿技术来解决实际问题，机器学习项目也很难落地，本书在这两个方面有很多值得借鉴的意义。此外，从本书中也可发现，单一的算法或模型很难解决实际问题，往往要使用混合模型或者将多个机器学习算法相结合形成混合机器学习算法，本书在这方面也值得借鉴，例如，近几年新兴的概率图模型、图深度学习、贝叶斯深度学习、深度强化学习等混合机器学习算法，可以将本书的经验迁移到实际的应用场景中。

本书读者对象
本书适合你吗？如果你是数据科学家或数据工程师，本书可以帮助你完成或开始你的学习之旅。如果你是经理，要启动或推动一个新的机器学习项目，本书可以帮助你为团队提出不同的观点。如果你是一位高级开发人员且有兴趣探索图的功能，本书可以帮助你以新视角理解图的作用，不仅可以将图作为一种数据库，还可以作为一种AI 推动技术。

本书不是有关机器学习技术的笼统纲要，它侧重于介绍与图相关的方法、算法和设计模式，这是本书的突出主题。具体而言，本书重点介绍图方法如何帮助你开发和交付更优秀的机器学习项目。本书详细介绍了图模型技术，并描述了多种基于图的算法。对于最复杂的概念，将用具体的场景来进行说明，并为其设计了具体的应用程序。

本书旨在成为一本实用指南，帮助你在生产环境中安装应用程序以供使用。因此，本书描述了优化技术和启发式方法，以帮助你处理真实数据、真实问题和真实用户。本书不仅讨论了小型示例，还讨论了来自实际用例的端到端应用程序，并提供了一些处理具体问题的建议。
如果你对这些场景感兴趣，那么本书绝对是你的最佳选择。