为数据科学家而打造
使用 Python 环境来发现见解并快速展示图分析的价值。数据科学团队可以通过预先配置的图算法和自动化程序的支持，快速开始实验并完成更多项目。
亮点：原生 Python 客户端、自动化 ML 管道以及模型共享和重用。
做出更好的预测
使用基于图的查询、搜索和路径查找来回答问题。通过从中心性到节点嵌入的广泛图算法来进一步进行分析和推理，并进行图本地的无监督和监督式 ML，用于聚类、相似性、分类和 更多。
亮点：65 种以上图算法目录、图原生 ML 管道、图可视化工具。
数据生态系统集成
通过 30 多个连接器和扩展无缝访问、存储、移动和共享数据。快速且可扩展的导入/导出功能使您可以从任何来源导入数据并与其他数据科学和 ML 库、数据平台和管道集成。连接到您选择的 BI 工具。
亮点：Apache Spark 连接器、Apache Arrow 集成、数据仓库连接器。
将项目投入生产
让项目得到采用，并节省基础设施、配置和管理方面的时间。使用原生功能启动模型和工作流，或将算法结果与外部 ML 管道集成。使用我们包含的企业数据库或您选择的数据库，快速且无缝地发布工作流。
亮点：部署图原生 ML 管道，与 Google Vertex AI、Amazon Sagemaker、ML 和 AI 管道集成。
您管理数据科学团队吗？
增强您的图数据科学体验
获取专家技术支持和充满活力的社区。
案例研究
了解我们的客户如何利用图技术解决他们最棘手的 数据挑战。
-
"Neo4j 图数据科学是一个很棒的工具，因为我们可以随着时间的推移调整我们的模型以改进它们。我们拥有图数据科学所需的一切，都在一个地方 - 这使我们能够专注于发展业务，因为该软件可以轻松地与我们现有的工具集和数据科学方法协同工作。"
Daniel Brady，Orita 首席执行官
-
"我们意识到，仅仅数据发现就占用了我们分析师大约三分之一的时间。该工具将整个数据科学组织的生产力提高了大约 30%。"
Tamika Tannis，Lyft 软件工程师
-
"Neo4j 图数据科学使我们能够轻松地量化数字世界中存在的关联和相似性，并揭示有关这些关联关系的新见解。"
Matthew Bernardini，Zenapse 首席执行官
-
"Neo4j 图数据科学使我们能够将非常复杂的数据挑战（例如查找欺诈或对物理互连系统进行建模）转换为直观的挑战。"
Peter Tunkis，高级数据
科学家，Arcurve
-
"我们想要一个合作伙伴，能够提供我们所需的图级规模 - 重申一下，数百万个节点和边 - 但同时还能提供空间数据支持。第三个要素是，由于我们正在创新，我们希望与能够加入我们创新流程的伙伴合作。我们必须共同添加和配置 Neo4j，以使其真正满足我们的需求。"
Ali Riaz，OrbitMI 首席执行官
