Skip to content
TigerGraph
  • 400-997-9909
  • 社区
  • 客户支持
  • EN
  • 在线实操演示
Menu
  • 400-997-9909
  • 社区
  • 客户支持
  • EN
  • 在线实操演示
MENUMENU
  • 产品
    • Graph+AI 全球峰会

      作为全球唯一的围绕图技术的开放会议,Graph+AI 峰会专注于通过图算法加速分析、AI和机器学习。这里是往届Graph+AI 峰会的回放,欢迎观看。
      • 观看回放

      TigerGraph 图数据库

      • 概览
      • 图查询语言:GSQL®
      • 版本比较

      TigerGraph Cloud

      • 概览
      • TigerGraph Cloud 套件
      • 20多个入门套件及DEMO

      图数据科学

      • 图数据科学库(开源50+种图算法)
      • 机器学习工作台(ML Workbench)

      常用工具

      • 图分析可视化(含DEMO视频):GraphStudio™
      • 可视化BI:TigerGraph Insights
      • Toolkits 合作伙伴工具包
      • openCypher 支持
      • Connectors

      开始体验

      • 免费开始
      • Test Drive - 在线实操演示

      推荐阅读

      • 为什么需要图分析?
      • 为什么选TigerGraph?

      电子书推荐下载

      • O’Reilly电子书完整版已发布
      • 《原生并行图》白皮书
      • 《图数据库对比指南:TigerGraph vs Neo4j》
      • 《七大理由——为什么AI驱动型企业选择TigerGraph?》
      • 《TigerGraph 架构概述:大规模可扩展图架构的核心优势》
      • 《TigerGraph:企业级可扩展图分析平台》
  • 解决方案
    • Graph+AI 全球峰会

      作为全球唯一的围绕图技术的开放会议,Graph+AI 峰会专注于通过图算法加速分析、AI和机器学习。这里是往届Graph+AI 峰会的回放,欢迎观看。
      • 观看回放

      企业如何大幅提高盈利?

      • 打造影响力营销
      • 统一ID
      • 客户360
      • 个性化推荐引擎

      企业如何有效地降低成本和风险?

      • 反洗钱(AML)
      • 网络安全威胁检测
      • 反欺诈
      • 风险评估管理

      企业运营效率如何提高1倍、3倍、+10倍?

      • 能源管理系统优化
      • 网络、IT 和云资源优化
      • 供应链分析和优化

      探索更多图应用

      • 主数据管理(MDM)
      • 企业级知识图谱
      • 企业间所有权和投资链分析

      图分析在各行业应用?

      • 保险行业
      • 广告、媒体和娱乐业
      • 银行和金融服务业
      • 医疗保健和生命科学
      • 复杂制造业

      按性能要求

      • 原生分布式图数据库
      • Advanced Analytics /高级分析
      • OLTP /高并发低延迟
      • OLAP /大数据量全图计算
      • HTAP /混合事务和分析处理
      • Machine Learning / 机器学习
      • BI /商业智能
  • 案例
    • Graph+AI 全球峰会

      作为全球唯一的围绕图技术的开放会议,Graph+AI 峰会专注于通过图算法加速分析、AI和机器学习。这里是往届Graph+AI 峰会的回放,欢迎观看。
      • 观看回放

      银行、保险和金融科技案例

      • 中国银联
      • 中国建设银行
      • 浦发银行
      • 招商银行
      • 美国Top银行
      • 国内Top金融科技
      • Intuit 美国Top金融科技
      • 美国Top3信贷机构
      • NewDay(英国信用卡发行商)

      电信能源案例

      • 中国移动
      • 联通大数据
      • 国家电网

      汽车、零售行业案例

      • 全球消费品巨头
      • 福特汽车
      • 捷豹路虎
      • 全球领先的家居电商购物平台
      • 知名连锁零售超市

      高科技行业案例

      • 微软Xbox
      • 全球科技巨头
      • 全球Top网络安全软件公司

      更多案例

      • 联合健康集团
      • Wish.com
      • Amgen /安进 (全球生物科技巨头)
      • OpenCorporates(海外版天眼查)
      • Ippen Digital(德国Top新闻媒体)
      • 美国Top付费电视台
  • 活动+新闻
    • Graph+AI 全球峰会

      作为全球唯一的围绕图技术的开放会议,Graph+AI 峰会专注于通过图算法加速分析、AI和机器学习。这里是往届Graph+AI 峰会的回放,欢迎观看。
      • 观看回放

      活动

      • 图课堂/ 直播
      • 全部回放
      • 大咖说
      • 随身听/播客
      • Graph+AI峰会

      专题

      • 图神经网络GNN 专题研讨会
      • 风险管理系列研讨会
      • 制造业系列研讨会
      • TigerGraph 101系列

      新闻资讯

      • 媒体资讯
      • 新闻

      Blog

      2022 Graph+AI 全球峰会圆满结束

      三天直播已全部结束,您可以访问活动官网,即可观看90位演讲嘉宾带来的51场主题分享和6场圆桌讨论。
      观看回放

      百万美元图技术挑战赛

      15个奖项共100万美元奖金获得者是谁?25万美元特大奖的获胜作品有哪些亮点?
      查看获奖者

      权威报告

      • Gartner报告下载
      • Forrester报告下载

      TigerGraph 图期刊

  • 资料中心
    • Graph+AI 全球峰会

      作为全球唯一的围绕图技术的开放会议,Graph+AI 峰会专注于通过图算法加速分析、AI和机器学习。这里是往届Graph+AI 峰会的回放,欢迎观看。
      • 观看回放

      开发者中心

      • 全球社区论坛
      • 技术文档

      TigerGraph 大学

      • 认证、教育和培训

      买家指南

      • 图数据库对比指南:TigerGraph vs Neo4j

      随身听/播客

      Blog

      Benchmark图数据库选型权威指南

      通过世界上权威的LDBC专业测试报告,指导图数据库选型
      • 108TB LDBC基准测试报告
      • LDBC SNB SF30000 基准测试报告
      • Neo4j vs TigerGraph
      • 五大图数据库基准测试报告

      权威报告

      • Gartner 研究报告
      • Forrester 研究报告

      TigerGraph 图期刊

  • 公司概况
    • Graph+AI 全球峰会

      作为全球唯一的围绕图技术的开放会议,Graph+AI 峰会专注于通过图算法加速分析、AI和机器学习。这里是往届Graph+AI 峰会的回放,欢迎观看。
      • 观看回放

      关于我们

      • 公司概况(含TigerGraph白皮书)
      • 合作伙伴
      • 加入我们

      奖项

      • 奖项与认可
      • Forrester Wave评为图数据平台领导者
      • Forrester TEI报告:TigerGraph 可实现高达600%ROI
      • TigerGraph入选2022年Gartner®魔力象限
  • 申请DEMO

AWS + TigerGraph Cloud:使用AWS来支持可扩展图数据库即服务

  • Post author:Anna You
  • Post published:May 19, 2021
  • Post category:graphaisummit/spring-2021

Jack Secord, Analytics Sales Specialist, Amazon Web Services;Benyue (Emma) Liu, Senior Product Manager, TigerGraph;Duc Le, Engineering Manager, TigerGraph

Continue ReadingAWS + TigerGraph Cloud:使用AWS来支持可扩展图数据库即服务

如何和为什么使用GPU、设计和低代码,来扩展交互式图可视化效果

  • Post author:Anna You
  • Post published:May 19, 2021
  • Post category:graphaisummit/spring-2021

Leo Meyerovich, Founder, Graphistry, Inc.

Continue Reading如何和为什么使用GPU、设计和低代码,来扩展交互式图可视化效果

基于图的AI有哪些趋势和机会?

  • Post author:Anna You
  • Post published:May 19, 2021
  • Post category:graphaisummit/spring-2021

Arvind Sathi, Director AI Literacy, KPMG; Ranjan Mannige, Senior Data Scientist, KPMG Lighthouse

Continue Reading基于图的AI有哪些趋势和机会?

使用Tableau + Tigergraph 可视化已连接的数据

  • Post author:Anna You
  • Post published:May 18, 2021
  • Post category:graphaisummit/spring-2021

Bethany Lyons, Senior Product Manager, Tableau Software; Victor Lee, Head of Product Strategy & Developer Relations

Continue Reading使用Tableau + Tigergraph 可视化已连接的数据

TigerGraph Cloud简介——如何在AWS,Azure和GCP上运行TigerGraph

  • Post author:Anna You
  • Post published:May 18, 2021
  • Post category:graphaisummit/spring-2021

Emma Liu, Senior Product Manager, TigerGraph Duc Le, Engineering Manager, TigerGraph

Continue ReadingTigerGraph Cloud简介——如何在AWS,Azure和GCP上运行TigerGraph

圆桌会议:用下一代硬件加速基于图的分析和机器学习

  • Post author:Anna You
  • Post published:May 18, 2021
  • Post category:graphaisummit/spring-2021

Anurag Juneja, Dell;Chris Preimesberger, eWeek;Kumar Deepak, Xilinx;Michael Shafran, Dell;Mustafa Albasha, Dell;Nikhil Deshpande, Intel

Continue Reading圆桌会议:用下一代硬件加速基于图的分析和机器学习

圆桌会议:图查询语言的未来——GQL和SQL PGQ标准

  • Post author:Anna You
  • Post published:May 18, 2021
  • Post category:graphaisummit/spring-2021

TigerGraph首席科学家Alin Deutsch博士,TDWI数据管理高级研究总监James Kobielus,伦敦大学伯贝克学院教授Jan Hidders,data.world首席科学家Juan Sequeda

Continue Reading圆桌会议:图查询语言的未来——GQL和SQL PGQ标准
  • Go to the previous page
  • 1
  • …
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • Go to the next page
TigerGraph
  • 产品
  • 案例
  • 解决方案
  • 活动+新闻
  • 公司概况
  • 产品支持政策
  • 生产部署指南
  • 联系我们
  • Copyright © 2024 TigerGraph维加星信息科技(上海)有限公司
  • 沪ICP备17047620号
  • Privacy Policy
  • Legal Terms
  • 微信
  • LinkedIn
  • 哔哩哔哩
  • 知乎
  • Link
  • 400-997-9909
  • 400-997-9909
  • 社区
  • 客户支持
  • EN
  • 在线实操演示
TigerGraph
产品
产品概览
TigerGraph 图数据库
  • 概览
  • 图查询语言:GSQL®
  • 版本比较
TigerGraph Cloud
  • 概览
  • TigerGraph Cloud 套件
  • 20多个入门套件及DEMO
图数据科学
  • 图数据科学库(开源50+种图算法)
  • 机器学习工作台(ML Workbench)
常用工具
  • 图分析可视化(含DEMO视频):GraphStudio™
  • 可视化BI:TigerGraph Insights
  • Toolkits 合作伙伴工具包
  • openCypher 支持
  • Connectors
开始体验
  • 免费开始
  • Test Drive - 在线实操演示
推荐阅读
  • 为什么需要图分析?
  • 为什么选TigerGraph?
客户案例
客户案例
  • 全球消费品巨头
  • 知名连锁零售商,英国Top3连锁超市
  • 全球领先的家居电商购物平台
  • 美国Top银行
  • 福特汽车
  • 科技巨头
  • 微软Xbox
  • Wish.com
  • 消费信贷
  • 国家电网
  • 中国银联
  • 中国移动
  • 中国建设银行
  • 浦发银行
  • 招商银行
  • 国内领先的金融集团
  • 联通大数据
  • Jaguar Land Rover (JLR) / 捷豹路虎
  • Amgen /安进 (全球生物科技巨头)
  • OpenCorporates
  • 美国领先的付费电视网络
  • Ippen Digital
  • NewDay(英国信用卡发行商)
  • UnitedHealth Group / 联合健康集团
  • Intuit
解决方案
按应用
  • 打造影响力营销
  • 统一ID(实体解析)
  • 客户生命周期/客户360
  • 推荐引擎
  • 反洗钱(AML)
  • 网络安全威胁检测
  • 反欺诈
  • 风险评估管理
  • 能源管理
  • 网络、IT 和云资源优化
  • 供应链分析
  • 主数据管理(MDM)
  • 企业级知识图谱
  • 企业间所有权和投资链分析
按技术亮点
  • 原生分布式图数据库
  • Advanced Analytic /高级分析
  • OLTP 高并发低延迟
  • OLAP 大数据量全图计算
  • HTAP 混合事务和分析处理
  • ML 机器学习
  • BI 商业智能
按行业
  • 保险行业
  • 广告、媒体和娱乐业
  • 银行和金融服务业
  • 医疗保健和生命科学
  • 复杂制造业
活动+新闻
活动
  • 图课堂/直播
  • 全部回放
  • Graph+AI峰会
  • 随身听/播客
  • 百万美元挑战赛
  • 大咖说
专题
  • 图神经网络GNN 专题研讨会
  • 风险管理系列研讨会
  • 制造业系列研讨会
  • TigerGraph 101系列
权威报告
  • Gartner报告下载
  • Forrester报告下载
新闻资讯
  • 媒体资讯
  • 新闻发布
Blog
TigerGraph 图期刊
资料中心
资料中心
开发者中心
  • 全球社区论坛
  • 技术文档
TigerGraph 大学
  • 认证、教育和培训
买家指南
  • 图数据库买家指南:TigerGraph vs Neo4j
Benchmark 图数据库选型权威指南
  • TigerGraph基于LDBC-SNB的深度测试(原始数据集大小为36TB)
  • Neo4j vs TigerGraph
  • 五大图数据库基准测试报告
Blog
公司概况
关于我们
  • 公司概况
  • 合作伙伴
  • 加入我们
奖项
  • 奖项与认可
  • TigerGraph的总体经济影响报告(来自Forrester)
  • Leader in Forrester Wave
  • Gartner 报告
  • 申请DEMO
  • 客户支持
  • 会员登录/注册

Anna Veronika Dorogus

Machine Learning Expert

LINKEDIN

Anna Veronika Dorogush graduated from Lomonosov Moscow State University and Yandex School of Data Analysis. She used to work at ABBYY, Yandex, Microsoft and Google on Machine Learning infrastructure and Machine Learning frameworks. In 2017 she published the open-source library CatBoost, which is now one of top-3 most popular Gradient Boosting libraries, and the top 7-th most used Machine Learning framework in the world according to Kaggle 2021 review.