Podcasts about graph database

Speaker Resources:Diffbot https://www.diffbot.com/Tomaz Bratanic's Medium blog: https://bratanic-tomaz.medium.com/What is DSP/DSPy? https://github.com/stanfordnlp/dspyTools of the Month:cypher-shell command line tool https://neo4j.com/docs/operations-manual/current/tools/cypher-shell/Langchain/Diffbot graph transformer https://python.langchain.com/v0.1/docs/integrations/graphs/diffbot/st-cytoscape https://github.com/vivien000/st-cytoscapeAnnouncements / News:NODES 2024 CfP resources:GraphStuff episode https://graphstuff.fm/episodes/navigating-a-technical-conference-talk-from-submission-to-deliveryNODES submission tips: https://neo4j.com/blog/nodes-talk-submission-tips/How to Submit a Technical Presentation https://jmhreif.com/blog/nodes-2024-cfp/Articles:Topic Extraction with Neo4j GDS for Better Semantic Search in RAG applications https://neo4j.com/developer-blog/topic-extraction-semantic-search-rag/Using LlamaParse to Create Knowledge Graphs from Documents https://neo4j.com/developer-blog/llamaparse-knowledge-graph-documents/Going Meta: Wrapping Up GraphRAG, Vectors, and Knowledge Graphs https://neo4j.com/developer-blog/going-meta-knowledge-graph-rag-vector/Unveiling the Mahabharata's Web: Analyzing Epic Relationships with Neo4j Graph Database (Part 1) https://neo4j.com/developer-blog/mahabharata-epic-graph-database-1/Bringing the Mahabharata Epic to Life: A Neo4j-Powered Chatbot with Google Gemini (Part 2) https://neo4j.com/developer-blog/mahabharata-epic-graph-database-2/Videos:NODES 2023 playlist https://youtube.com/playlist?list=PL9Hl4pk2FsvUu4hzyhWed8Avu5nSUXYrb&si=8_0sYVRYz8CqqdIcEvents:(Jun 4) Meetup (virtual): Tuesday Tech Talks: Graph Based RAG w/ Demo https://lu.ma/tys2a4zt?tk=ax2gtz(Jun 4) Workshop (virtual): Discover Neo4j Aura: The Future of Graph Database-as-a-Service https://go.neo4j.com/DE-240604-Discover-Aura-Workshop_Registration.html(Jun 5) Conference (Paris, France): GraphSummit Paris https://neo4j.com/graphsummit/paris24/(Jun 5) Workshop (Sydney, Australia): Neo4j and GCP Generative AI Workshop https://go.neo4j.com/LE240606Neo4jandGCPGenerativeAIWorkshop-Sydney_Registration.html(Jun 7) Conference (Athens, Greece): Generative AI for Front-end Developers https://athens.cityjsconf.org/talk/3b9XHj1HBahP8KJ13uWVui(Jun 10) Conference (San Francisco, California, USA): Data & AI Summit https://neo4j.com/event/data-ai-summit-2/(Jun 11) Meetup (San Francisco, California, USA): HackNight at GitHub with Graphs and Vectors https://www.meetup.com/graphdb-sf/events/301026060/?isFirstPublish=true(Jun 10) Workshop (Jakarta, Indonesia): Neo4j and GCP Generative AI Workshop https://go.neo4j.com/LE240423Neo4jandGCPGenerativeAIWorkshopJakarta_Registration.html(Jun 11) Conference (Oslo, Norway): NDC Oslo - Beyond Vectors: Evolving GenAI through Transformative Tools and Methods https://ndcoslo.com/agenda/beyond-vectors-evolving-genai-through-transformative-tools-and-methods-0x1u/011ha54g6jp(Jun 12) Conference (Munich, Germany): GraphTalk: Pharma https://go.neo4j.com/LE240612GraphTalkPharmaMunich_Registration.html(Jun 12) Conference (Frankfurt, Germany): Google Summit https://cloudonair.withgoogle.com/events/summit-mitte-2024(Jun 12) Livestream (virtual+München, Germany): LifeScience Hybrid Event 2024 https://go.neo4j.com/LE240612LifeScienceWorkshop2024_01Registration.html(Jun 12) Meetup (Brisbane, Australia): Graph Database Brisbane https://www.meetup.com/graph-database-brisbane/events/300367474/?isFirstPublish=true(Jun 12) Meetup (San Francisco, California, USA): Introduction to RAG https://lu.ma/u4uhtfqz(Jun 18) Meetup (London, UK): ISO GQL - The ISO Standard for Graph Has Arrived https://www.meetup.com/graphdb-uk/events/300712991/(Jun 20) Meetup (Stuttgart, Germany): Uniting Large Language Models and Knowledge Graphs https://neo4j.com/event/genai-breakfast-session-stuttgart-uniting-large-language-models-and-knowledge-graphs/(Jun 20) Meetup (Reston, Virginia, USA): LLMs, Vectors, Graph Databases and RAG in the Cloud https://lu.ma/mctijpjm(Jun 25) Conference (San Francisco, California, USA): AI Engineer World's Fair https://www.ai.engineer/worldsfair(Jun 26) Conference (virtual): Neo4j Connections GenAI https://neo4j.com/connections/go-from-genai-pilot-to-production-faster-with-a-knowledge-graph-june-26/(Jun 27) Conference (Kansas City, Missouri, USA): KCDC 2024 https://www.kcdc.info/(Jun 26) Conference (virtual): Neo4j Connections GenAI (Asia Pacific) https://neo4j.com/connections/go-from-genai-pilot-to-production-faster-with-a-knowledge-graph-asia-pacific-june-27/

In this video I talk to Semih Salihoglu about KuzuDB : A highly scalable, extremely fast, easy to use embeddable Graph Database. Chapters: 00:00 Introduction 00:40 The Genesis of KuzuDB: From Academic Research to Startup 06:40 Graph Databases 101: Understanding the Basics and Beyond 10:24 When to Opt for a Graph Database: Use Cases and Advantages 19:16 KuzuDB vs. Traditional Databases: A Comparative Analysis 24:39 Inside KuzuDB: Optimizations and Data Ingestion Explained 31:08 Exploring Query Optimizations in Graph Databases 31:34 The Relational Nature of Graph Databases 33:33 Factorization: A Key Optimization Technique 38:50 Integrating New Data Sources and Handling Joins 43:39 Optimizing Write Operations and Index Management 50:23 Comparing Kuzu with Other Graph Databases 58:50 Future Developments and Vision for Kuzu Important links: - History of DBMSs and the IDS, which is the first database in history, which had a graph-based model: https://dl.acm.org/doi/abs/10.1145/1147376.1147382 is a good paper by CS historian on this history and a must read for everyone interested in the birth of databases as a field. - https://blog.kuzudb.com/post/what-every-gdbms-should-do-and-vision/ blog on the what every GDBMS should do and vision of Kùzu. - The user survey paper that got Semih into GDBMSs. https://arxiv.org/pdf/1709.03188.pdf - Blog on factorization https://blog.kuzudb.com/post/factorization/ - Kùzu's RDFGraphs feature https://docs.kuzudb.com/rdf-graphs/ =============================================================================== For discount on the below courses: Appsync: https://appsyncmasterclass.com/?affiliateId=41c07a65-24c8-4499-af3c-b853a3495003 Testing serverless: https://testserverlessapps.com/?affiliateId=41c07a65-24c8-4499-af3c-b853a3495003 Production-Ready Serverless: https://productionreadyserverless.com/?affiliateId=41c07a65-24c8-4499-af3c-b853a3495003 Use the button, Add Discount and enter "geeknarrator" discount code to get 20% discount. =============================================================================== Follow me on Linkedin and Twitter: https://www.linkedin.com/in/kaivalyaapte/ and https://twitter.com/thegeeknarrator If you like this episode, please hit the like button and share it with your network. Also please subscribe if you haven't yet. Database internals series: https://youtu.be/yV_Zp0Mi3xs Popular playlists: Realtime streaming systems: https://www.youtube.com/playlist?list=PLL7QpTxsA4se-mAKKoVOs3VcaP71X_LA- Software Engineering: https://www.youtube.com/playlist?list=PLL7QpTxsA4sf6By03bot5BhKoMgxDUU17 Distributed systems and databases: https://www.youtube.com/playlist?list=PLL7QpTxsA4sfLDUnjBJXJGFhhz94jDd_d Modern databases: https://www.youtube.com/playlist?list=PLL7QpTxsA4scSeZAsCUXijtnfW5ARlrsN Stay Curios! Keep Learning!

Speaker Resources:Johannes Jolkkonen: https://www.linkedin.com/in/johannesjolkkonen/Johannes's YouTube channel: https://www.youtube.com/@johannesjolkkonenMar 12 Neo4j Live session: https://www.meetup.com/neo4j-online-meetup/events/299526466/Tools of the Month:PDF-bot chunker (GenAI stack): https://github.com/docker/genai-stack/blob/main/pdf_bot.pySpring AI: https://spring.io/projects/spring-aiInstructor (library): https://jxnl.github.io/instructor/Community Projects:Knowledge Graph for Social Science https://youtube.com/live/wBHgTheV08QArticles:Langchain v0.1 - Updating GraphAcademy Neo4j & LLM Courses https://neo4j.com/developer-blog/langchain-graphacademy-llm-courses/A GenAI-Powered Song Finder in Four Lines of Code https://neo4j.com/developer-blog/genai-powered-song-finder/Object Mapping in the Neo4j Driver for .NET https://neo4j.com/developer-blog/object-mapping-neo4j-driver-net/Slow Cypher Statements and How to Fix Them https://neo4j.com/developer-blog/slow-cypher-statements-fix/Using LangChain in Combination with Neo4j to Process YouTube Playlists and Perform Q&A Flow https://medium.com/neo4j/using-langchain-in-combination-with-neo4j-to-process-youtube-playlists-and-perform-q-a-flow-5d245d51a735PyNeoInstance: A User-Friendly Python Library for Neo4j https://neo4j.com/developer-blog/pyneoinstance-python-library-neo4j/Videos:NODES 2023 playlist https://youtube.com/playlist?list=PL9Hl4pk2FsvUu4hzyhWed8Avu5nSUXYrb&si=8_0sYVRYz8CqqdIcEvents:(Mar 5) YouTube Series (virtual): Going Meta Episode 26 https://neo4j.com/event/going-meta-a-series-on-graphs-semantics-and-knowledge-episode-26/(Mar 6) Meetup (virtual): Exploring Graphs and Generative AI: Unlocking New Possibilities https://neo4j.com/event/exploring-graphs-and-generative-ai-unlocking-new-possibilities/(Mar 6) Meetup (virtual): Pass or Play: What Does GenAI Mean for the Java Developer? https://neo4j.com/event/pass-or-play-what-does-genai-mean-for-the-java-developer/(Mar 7) Meetup (Bangkok, Thailand): GraphDB Bangkok meetup w/ GraphQL BKK https://neo4j.com/event/graphdb-bangkok-meetup-w-graphql-bkk/(Mar 8) Conference (virtual): WeAreDevelopers Women In Tech Day https://neo4j.com/event/wearedevelopers-women-in-tech-day/(Mar 10) Conference (Orlando, Florida, USA): Gartner Data & Analytics Summit Orlando https://neo4j.com/event/gartner-data-analytics-summit-orlando/(Mar 11) Training (virtual): Knowledge Graphs & Large Language Models Bootcamp https://neo4j.com/event/knowledge-graphs-large-language-models-bootcamp/2024-03-11/(Mar 11) Workshop (Bengaluru, India): Neo4j and GCP Generative AI Workshop https://neo4j.com/event/neo4j-and-gcp-generative-ai-workshop-bengaluru/(Mar 12) Conference (Brussels, Belgium): AWS Public Sector Symposium https://neo4j.com/event/aws-public-sector-symposium-brussels/(Mar 13) Workshop (San Francisco, CA, USA): Google Gen AI Workshop https://neo4j.com/event/google-gen-ai-workshop-san-francisco/(Mar 13) Conference (Singapore): Singapore Data Innovation Summit 2024 https://neo4j.com/event/data-innovation-summit/(Mar 14) Conference (virtual): Data Next Engineering Summit https://neo4j.com/event/data-next-engineering-summit/(Mar 14) Training (virtual): Intro to Neo4j https://neo4j.com/event/training-series-intro-to-neo4j-2/(Mar 14) Workshop (Mountain View, CA, USA): Google Gen AI Workshop https://neo4j.com/event/google-gen-ai-workshop-mountain-view/(Mar 15) Meetup (Delhi, India): Pythonistas and Graphistas: Navigating the World of Graph Databases with Python https://neo4j.com/event/pythonistas-and-graphistas-navigating-the-world-of-graph-databases-with-python/(Mar 15) Meetup (Bengaluru, India): Graph Genesis: Building Tomorrow's Insights Today https://neo4j.com/event/graph-genesis-building-tomorrows-insights-today/(Mar 18) Training (virtual): Knowledge Graphs & Large Language Models Bootcamp https://neo4j.com/event/knowledge-graphs-large-language-models-bootcamp/2024-03-18/(Mar 18) Conference (Paris, France): KubeCon 2024 https://neo4j.com/event/kubecon2024/(Mar 18) Workshop (Singapore): Neo4j and GCP Generative AI https://neo4j.com/event/neo4j-and-gcp-generative-ai-workshop-singapore/(Mar 19) Conference (virtual): AI42 Conference https://neo4j.com/event/ai42-conference/(Mar 19) Workshop (virtual): Tame Your Graph with Liquibase for Neo4j https://neo4j.com/event/training-series-tame-your-graph-with-liquibase-for-neo4j/(Mar 20) Meetup (Melbourne, Australia): GraphDB Melbourne March Madness https://neo4j.com/event/graphdb-melbourne-march-madness/(Mar 20) Meetup (London, UK): The Perfect Couple: Uniting Large Language Models and Knowledge Graphs for Enhanced Knowledge Representation https://neo4j.com/event/the-perfect-couple-uniting-large-language-models-and-knowledge-graphs-for-enhanced-knowledge-representation/(Mar 21) Training (virtual): Mastering Neo4j Deployment for High-Performance RAG Applications https://neo4j.com/event/training-series-mastering-neo4j-deployment-for-high-performance-rag-applications/(Mar 21) Meetup (virtual): Neo4j & Haystack: Graph Databases for LLM Applications https://neo4j.com/event/neo4j-haystack-graph-databases-for-llm-applications/(Mar 21) Workshop (Los Angeles, CA, USA): Google Gen AI https://neo4j.com/event/google-gen-ai-workshop-los-angeles/(Mar 26) Meetup (Sydney, Australia): GraphSyd March Meetup: Unraveling Connections https://neo4j.com/event/graphsyd-march-meetup-unraveling-connections/(Mar 26) Conference (Las Vegas, NV, USA): Microsoft Fabric Community Conference https://neo4j.com/event/microsoft-fabric-community-conference/(Mar 26) Workshop (virtual): Large-Scale Geospatial Analytics with Graphs and the PyData Ecosystem https://neo4j.com/event/training-series-large-scale-geospatial-analytics-with-graphs-and-the-pydata-ecosystem/(Mar 27) Meetup: Graphs & Vectors: Navigating the Future with Neo4j and Vector Search https://neo4j.com/event/graphs-vectors-navigating-the-future-with-neo4j-and-vector-search/

Tools of the Month:Remix for data-driven websites https://remix.run/HTTPie: https://httpie.io/cliPypeteer https://github.com/pyppeteer/pyppeteerRectangle https://rectangleapp.com/Fireflies.ai https://fireflies.ai/Video Speed Controller https://chromewebstore.google.com/detail/video-speed-controller/gioehmkjkeamcinbdelehlpnpdcdjpdp?pli=1Product updates:Neo4j release (5.15) https://neo4j.com/release-notes/database/neo4j-5/Neo4j Driver updatesAPOC Core https://github.com/neo4j/apoc/releases/tag/5.15.0GraphQL release (4.4.4) https://github.com/neo4j/graphql/releasesHelm chart update (5.14.0) https://github.com/neo4j/helm-charts/releases/tag/5.14.0Several Neo4j Connectors updatedArticles:Try Neo4j's Next-Gen Graph-Native Store Format https://neo4j.com/developer-blog/neo4j-graph-native-store-format/Implementing Advanced Retrieval RAG Strategies with Neo4j https://neo4j.com/developer-blog/advanced-rag-strategies-neo4j/Introducing Deno Runtime to the Neo4j Driver for Javascript https://neo4j.com/developer-blog/deno-runtime-neo4j-driver-javascript/Using a Knowledge Graph to Implement a DevOps RAG Application https://neo4j.com/developer-blog/knowledge-graph-devops-rag-application/Convenient Neo4j Integration Tests in Github Actions Using the Aura CLI https://neo4j.com/developer-blog/neo4j-integration-tests-github-actions-aura-cli/Neo4j x LangChain: Deep Dive Into the New Vector Index Implementation https://neo4j.com/developer-blog/neo4j-langchain-vector-index-implementation/Videos:RAG with a Neo4j Knowledge Graph: How it Works and How to Set It Up https://www.youtube.com/watch?v=ftlZ0oeXYRENODES 2023 playlist https://youtube.com/playlist?list=PL9Hl4pk2FsvUu4hzyhWed8Avu5nSUXYrb&si=8_0sYVRYz8CqqdIcEvents:(Jan 4) YouTube series (virtual): Going Meta Ep 24 https://neo4j.com/event/going-meta-a-series-on-graphs-semantics-and-knowledge-episode-24/(Jan 10) Meetup (Austin, TX and virtual): Airplane Route Optimization Using Neo4j's Graph Database https://neo4j.com/event/airplane-route-optimization-using-neo4js-graph-database/(Jan 10) Webinar (virtual): Neo4j: 2024 Trends: What Data and Analytics Leaders Need to Know - Asia https://neo4j.com/event/neo4j-2024-trends-what-data-and-analytics-leaders-need-to-know-asia-pacific-jan-11/(Jan 11) Webinar (virtual): Neo4j: 2024 Trends: What Data and Analytics Leaders Need to Know - Europe https://neo4j.com/event/neo4j-2024-trends-what-data-and-analytics-leaders-need-to-know-europe-jan-11/(Jan 11) Webinar (virtual): Neo4j: 2024 Trends: What Data and Analytics Leaders Need to Know - Americas https://neo4j.com/event/neo4j-2024-trends-what-data-and-analytics-leaders-need-to-know-jan-11/(Jan 17) Webinar (virtual): O'Reilly Media: Generative AI for Healthcare https://neo4j.com/event/oreilly-media-generative-ai-for-healthcare-jan-17/(Jan 22) Webinar (virtual): Neo4j: Building More Accurate GenAI Chatbots: A Technical Guide - Asia https://neo4j.com/event/neo4j-building-more-accurate-genai-chatbots-a-technical-guide-asia-pacific-jan-23/(Jan 23) Webinar (virtual): Neo4j: Building More Accurate GenAI Chatbots: A Technical Guide - Europe https://neo4j.com/event/neo4j-building-more-accurate-genai-chatbots-a-technical-guide-europe-jan-23/(Jan 23) Webinar (virtual): Neo4j: Building More Accurate GenAI Chatbots: A Technical Guide - Americas https://neo4j.com/event/neo4j-building-more-accurate-genai-chatbots-a-technical-guide-jan-23/(Jan 25) YouTube series (virtual): Neo4j Live: Building a Semantics-Based Recommender System for ESG Documents https://neo4j.com/event/neo4j-live-building-a-semantics-based-recommender-system-for-esg-documents/(Jan 25) Conference (Bristol, UK): GraphTalk Government https://neo4j.com/event/graphtalk-government/(Jan 31) Meetup (London, UK): LLM + Knowledge Graph FTW https://neo4j.com/event/llm-knowledge-graph-ftw/(Jan 31) Meetup: Cloud-Native Geospatial Analytics Combining Spatial SQL & Graph Data Science https://neo4j.com/event/cloud-native-geospatial-analytics-combining-spatial-sql-graph-data-science/

Tools of the month:APOC OpenAI procedures: https://neo4j.com/labs/apoc/5/ml/openai/Warp terminal: https://www.warp.dev/Ollama for running LLMs: https://ollama.ai/Graphacademy courses:LLM Fundamentals: https://graphacademy.neo4j.com/courses/llm-fundamentals/Build a Neo4j-backed Chatbot using Python: https://graphacademy.neo4j.com/courses/llm-chatbot-python/Importing CSV data into Neo4j (updated!): https://graphacademy.neo4j.com/courses/importing-cypher/Product updates:Neo4j/AWS Bedrock integration: https://neo4j.com/press-releases/neo4j-aws-bedrock-integration/Articles:Rdflib-neo4j: A New Era in RDF Integration for Neo4j https://neo4j.com/developer-blog/rdflib-neo4j-rdf-integration-neo4j/Py2neo is End-of-Life - A Basic Migration Guide https://neo4j.com/developer-blog/py2neo-end-migration-guide/Enforcing Data Quality in Neo4j 5: New Property Type Constraints and Functions https://neo4j.com/developer-blog/data-quality-type-constraints-functions/Analyzing Annual Reports Using LLMs and Graph Technology https://neo4j.com/developer-blog/analyzing-annual-reports-llm-graph/Needle StarterKit: The Ultimate Tool for Accelerating Your Graph App Projects https://neo4j.com/developer-blog/needle-starterkit-tool-accelerate-graph-app/Clustering Graph Data with K-Medoids https://neo4j.com/developer-blog/clustering-graph-data-k-medoids/Videos:NODES 2023 playlist (videos added!) https://www.youtube.com/playlist?list=PL9Hl4pk2FsvUu4hzyhWed8Avu5nSUXYrbHumanitarian AI Meetup with IATI data https://youtu.be/ysBwXTR8390Events:(Dec 5) YouTube series: Going Meta Ep 23 https://neo4j.com/event/going-meta-a-series-on-graphs-semantics-and-knowledge-ep-23/(Dec 5) YouTube series: Discover Neo4j Aura: The Future of Graph Database-as-a-Service Workshop https://neo4j.com/event/discover-neo4j-auradb-workshop-copy/(Dec 5) Training (Atlanta, GA): Neo4j and Google Cloud Generative AI Hands-On Lab https://neo4j.com/event/neo4j-google-cloud-generative-ai-hands-on-lab-2/(Dec 6) Conference (London) https://neo4j.com/event/the-perfect-couple-uniting-large-language-models-and-knowledge-graphs-for-enhanced-knowledge-representation-2/(Dec 6) Conference (Paris): API Days Paris https://neo4j.com/event/api-days-paris/(Dec 6) YouTube series: Neo4j Live: Powering Advanced Streamlit Chatbots with GenAI https://neo4j.com/event/neo4j-live-powering-advanced-streamlit-chatbots-with-genai/(Dec 7) Conference (London): https://neo4j.com/event/the-perfect-couple-uniting-large-language-models-and-knowledge-graphs-for-enhanced-knowledge-representation-3/(Dec 7) Lunch-and-Learn (virtual): Tackling GenAI Challenges with Knowledge Graphs, Graph Data Science, and LLMs https://neo4j.com/event/lunch-and-learn-tackling-genai-challenges-with-knowledge-graphs-graph-data-science-and-llms/(Dec 12) Meetup (Australia): Graph Database Melbourne https://neo4j.com/event/graph-database-melbourne-meetup-dec-edition/(Dec 13) Conference (Chicago, IL): Evanta CDAO Executive Summit https://neo4j.com/event/evanta-cdao-execsummit-chi/(Dec 13) Conference (virtual) (2 offerings for timezones): Connections: Generative AI and Knowledge Graphs https://neo4j.com/event/neo4j-connections-generative-ai-and-knowledge-graphs-unveiling-the-future-of-knowledge-retrieval/(Dec 14) Meetup (Innsbruck, Austria?): Engineering Kiosk Alps Meetup Innsbruck https://neo4j.com/event/engineering-kiosk-alps-meetup-innsbruck/(Dec 14) Meetup (Tampa, FL): AWS re:Invent 2023 Recap Meetup https://neo4j.com/event/aws-reinvent-2023-recap-meetup/

In this episode I talk to Michael Hunger from Neo4j about Graph Database Internals (Neo4J) Chapters: 0:00 Introduction and historical context 20:51 Data Modelling 25:16 Problem with SQL for Graph Model 26:21 Cypher - Query Language 28:23 Write Path 31:36 Neo4J Storage Layer 33:51 Graph API on top of Relational Model vs Native Graph Databases 37:05 Create Node Relationships 40:42 What makes Graph Database's performance better? 46:00 Partitioning Strategy 53:20 Read path 59:27 Schema Migration 01:04:41 Graph database use cases =============================================================================== For discount on the below courses: Appsync: https://appsyncmasterclass.com/?affiliateId=41c07a65-24c8-4499-af3c-b853a3495003 Testing serverless: https://testserverlessapps.com/?affiliateId=41c07a65-24c8-4499-af3c-b853a3495003 Production-Ready Serverless: https://productionreadyserverless.com/?affiliateId=41c07a65-24c8-4499-af3c-b853a3495003 Use the button, Add Discount and enter "geeknarrator" discount code to get 20% discount. =============================================================================== Follow me on Linkedin and Twitter: https://www.linkedin.com/in/kaivalyaapte/ and https://twitter.com/thegeeknarrator If you like this episode, please hit the like button and share it with your network. Also please subscribe if you haven't yet. Database internals series: https://youtu.be/yV_Zp0Mi3xs Popular playlists: Realtime streaming systems: https://www.youtube.com/playlist?list=PLL7QpTxsA4se-mAKKoVOs3VcaP71X_LA- Software Engineering: https://www.youtube.com/playlist?list=PLL7QpTxsA4sf6By03bot5BhKoMgxDUU17 Distributed systems and databases: https://www.youtube.com/playlist?list=PLL7QpTxsA4sfLDUnjBJXJGFhhz94jDd_d Modern databases: https://www.youtube.com/playlist?list=PLL7QpTxsA4scSeZAsCUXijtnfW5ARlrsN Stay Curios! Keep Learning! Cheers, The GeekNarrator

“Graph database growth is going strong through the Trough of Disillusionment.” And “Graph Analytics go big and real-time.” These were two of the headlines of the Spring 2023 update of the Year of the Graph newsletter. In combination, they seem like an appropriate summary of the reasoning behind a new entry in the graph database market: Aerospike Graph, which Aerospike officially unveiled in June 2023. We caught up with the company's Chief Product Officer Lenley Hensarling to discuss this long journey that started about three years ago, as well as Aerospike's differentiation in a very densely populated market. Article published on Orchestrate all the Things.

Semih Salihoglu  is an Associate Professor at University of Waterloo, and co-creator of Kuzu an open source embeddable property graph database management system.Subscribe to the Gradient Flow Newsletter:  https://gradientflow.substack.com/Subscribe: Apple • Spotify • Overcast • Google • AntennaPod • Podcast Addict • Amazon •  RSS.Detailed show notes can be found on The Data Exchange web site.

Summary Databases are the core of most applications, whether transactional or analytical. In recent years the selection of database products has exploded, making the critical decision of which engine(s) to use even more difficult. In this episode Tanya Bragin shares her experiences as a product manager for two major vendors and the lessons that she has learned about how teams should approach the process of tool selection. Announcements Hello and welcome to the Data Engineering Podcast, the show about modern data management Introducing RudderStack Profiles. RudderStack Profiles takes the SaaS guesswork and SQL grunt work out of building complete customer profiles so you can quickly ship actionable, enriched data to every downstream team. You specify the customer traits, then Profiles runs the joins and computations for you to create complete customer profiles. Get all of the details and try the new product today at dataengineeringpodcast.com/rudderstack (https://www.dataengineeringpodcast.com/rudderstack) You shouldn't have to throw away the database to build with fast-changing data. You should be able to keep the familiarity of SQL and the proven architecture of cloud warehouses, but swap the decades-old batch computation model for an efficient incremental engine to get complex queries that are always up-to-date. With Materialize, you can! It's the only true SQL streaming database built from the ground up to meet the needs of modern data products. Whether it's real-time dashboarding and analytics, personalization and segmentation or automation and alerting, Materialize gives you the ability to work with fresh, correct, and scalable results — all in a familiar SQL interface. Go to dataengineeringpodcast.com/materialize (https://www.dataengineeringpodcast.com/materialize) today to get 2 weeks free! This episode is brought to you by Datafold – a testing automation platform for data engineers that finds data quality issues before the code and data are deployed to production. Datafold leverages data-diffing to compare production and development environments and column-level lineage to show you the exact impact of every code change on data, metrics, and BI tools, keeping your team productive and stakeholders happy. Datafold integrates with dbt, the modern data stack, and seamlessly plugs in your data CI for team-wide and automated testing. If you are migrating to a modern data stack, Datafold can also help you automate data and code validation to speed up the migration. Learn more about Datafold by visiting dataengineeringpodcast.com/datafold (https://www.dataengineeringpodcast.com/datafold) Data projects are notoriously complex. With multiple stakeholders to manage across varying backgrounds and toolchains even simple reports can become unwieldy to maintain. Miro is your single pane of glass where everyone can discover, track, and collaborate on your organization's data. I especially like the ability to combine your technical diagrams with data documentation and dependency mapping, allowing your data engineers and data consumers to communicate seamlessly about your projects. Find simplicity in your most complex projects with Miro. Your first three Miro boards are free when you sign up today at dataengineeringpodcast.com/miro (https://www.dataengineeringpodcast.com/miro). That's three free boards at dataengineeringpodcast.com/miro (https://www.dataengineeringpodcast.com/miro). Your host is Tobias Macey and today I'm interviewing Tanya Bragin about her views on the database products market Interview Introduction How did you get involved in the area of data management? What are the aspects of the database market that keep you interested as a VP of product? How have your experiences at Elastic informed your current work at Clickhouse? What are the main product categories for databases today? What are the industry trends that have the most impact on the development and growth of different product categories? Which categories do you see growing the fastest? When a team is selecting a database technology for a given task, what are the types of questions that they should be asking? Transactional engines like Postgres, SQL Server, Oracle, etc. were long used as analytical databases as well. What is driving the broad adoption of columnar stores as a separate environment from transactional systems? What are the inefficiencies/complexities that this introduces? How can the database engine used for analytical systems work more closely with the transactional systems? When building analytical systems there are numerous moving parts with intricate dependencies. What is the role of the database in simplifying observability of these applications? What are the most interesting, innovative, or unexpected ways that you have seen Clickhouse used? What are the most interesting, unexpected, or challenging lessons that you have learned while working on database products? What are your prodictions for the future of the database market? Contact Info LinkedIn (https://www.linkedin.com/in/tbragin/) Parting Question From your perspective, what is the biggest gap in the tooling or technology for data management today? Closing Announcements Thank you for listening! Don't forget to check out our other shows. Podcast.__init__ (https://www.pythonpodcast.com) covers the Python language, its community, and the innovative ways it is being used. The Machine Learning Podcast (https://www.themachinelearningpodcast.com) helps you go from idea to production with machine learning. Visit the site (https://www.dataengineeringpodcast.com) to subscribe to the show, sign up for the mailing list, and read the show notes. If you've learned something or tried out a project from the show then tell us about it! Email hosts@dataengineeringpodcast.com (mailto:hosts@dataengineeringpodcast.com)) with your story. To help other people find the show please leave a review on Apple Podcasts (https://podcasts.apple.com/us/podcast/data-engineering-podcast/id1193040557) and tell your friends and co-workers Links Clickhouse (https://clickhouse.com/) Podcast Episode (https://www.dataengineeringpodcast.com/clickhouse-data-warehouse-episode-88/) Elastic (https://www.elastic.co/) OLAP (https://en.wikipedia.org/wiki/Online_analytical_processing) OLTP (https://en.wikipedia.org/wiki/Online_transaction_processing) Graph Database (https://en.wikipedia.org/wiki/Graph_database) Vector Database (https://en.wikipedia.org/wiki/Vector_database) Trino (https://trino.io/) Presto (https://prestodb.io/) Foreign data wrapper (https://wiki.postgresql.org/wiki/Foreign_data_wrappers) dbt (https://www.getdbt.com/) Podcast Episode (https://www.dataengineeringpodcast.com/dbt-data-analytics-episode-81/) OpenTelemetry (https://opentelemetry.io/) Iceberg (https://iceberg.apache.org/) Podcast Episode (https://www.dataengineeringpodcast.com/tabular-iceberg-lakehouse-tables-episode-363) Parquet (https://parquet.apache.org/) The intro and outro music is from The Hug (http://freemusicarchive.org/music/The_Freak_Fandango_Orchestra/Love_death_and_a_drunken_monkey/04_-_The_Hug) by The Freak Fandango Orchestra (http://freemusicarchive.org/music/The_Freak_Fandango_Orchestra/) / CC BY-SA (http://creativecommons.org/licenses/by-sa/3.0/)

如果喜欢我们的节目，欢迎通过爱发电打赏支持：https://afdian.net/@pythonhunter 嘉宾 Wey Gu 主播 laike9m laixintao Ada Wen 时间轴 00:00:13 开场 00:00:27 嘉宾自我介绍 00:01:10 话题：图、图数据库介绍 00:06:30 提问：知识图谱与外卖路径规划 00:07:51 提问补充：知识图谱能不能当做传统的图数据库来用 00:08:53 话题：微信用 NebulaGraph 做存储的例子 00:10:32 提问：在好友关系查询上传统 SQL 与图数据库的区别 00:11:56 提问补充：NebulaGraph 两点之间边的数量增加，查询成本以什么量级增加增加 00:13:59 提问：不同 Graph Database（图数据库） 的查询语言是否存在一套标准类似 SQL 00:19:21 提问：查询是直接写语句还是有 SDK，以及结果格式是什么样的 00:20:21 提问：使用不同的图数据库针对同一个查询结果返回的数据结构是不是相同的 00:23:13 提问：业界对于 GQL 的支持程度如何 00:25:43 话题：图数据库与大模型的关系 00:33:57 提问：图数据库是如何辅助大模型的 00:39:00 提问：图数据库与大模型的结合需要用户有怎样的基础 00:41:30 延展：知识图谱的建立和使用都可以与大模型结合 00:43:50 延展：从 图数据库驱动的基础设施运维示例 延展 00:53:18 延展：信涛的 Prometheus 之旅 00:53:45 话题：在开源公司的工作体验 01:18:18 话题：古老师的 开源面对面 播客 01:26:00 固定话题：好物分享 01:35:33 结束语 相关链接 00:01:32 柯尼斯堡七桥问题 维基百科 | 百度百科 00:02:39 neo4j 00:03:28 RDF(Resource Description Framework | 资源描述框架) 维基百科 | 百度百科 00:03:56 知识图谱 维基百科 | 百度百科 00:06:49 GIS(Geographic Information System | 地理信息系统) 维基百科 | 百度百科 00:07:01 NebulaGraph 00:08:36 TAO: The power of the graph 00:13:09 Redis geospatial 00:16:52 GQL 维基百科 00:17:02 Cypher Query Language 00:17:39 Gremlin Home Page | 维基百科 00:17:56 nGQL | nGQL 简明教程 00:18:22 SPARQL 00:29:01 往期节目关联：Ep 39. 和 Alex 聊聊向量数据库与职业规划 00:35:02 古老师提到的 ref： 一 | 二 00:35:27 langchain | llama_index 00:43:50 图数据库驱动的基础设施运维示例 00:53:18 Prometheus 00:56:33 Teahour | Teahour#90: 和 PingCAP CTO 畅谈数据库和编程语言 01:01:13 信涛的 Awesome Commandline 录像和资料 01:18:18 开源面对面 01:26:18 Cursor: The AI-first Code Editor 01:30:37 Copilot | Copilot for CLI 01:34:08 信涛分享的三门 udemy 课程一 Building Your English Brain 01:34:08 信涛分享的三门 udemy 课程二 Getting Started with Wireshark 01:34:08 信涛分享的三门 udemy 课程三 Discovering Backend Bottlenecks 01:35:00 温老师的分享

Dr Julian Grümmer's NODES 2022 talk: https://www.youtube.com/watch?v=7JfXoubUv3QKnowledge Graph 101: What Is It, How it Works, & Why It Matters: https://neo4j.com/blog/what-is-knowledge-graph/Building Knowledge Graphs: A Practitioner's Guide: https://neo4j.com/knowledge-graphs-practitioners-guideKnowledge Graphs & LLMs: Multi-Hop Question & Answering: https://neo4j.com/developer-blog/knowledge-graphs-llms-multi-hop-question-answering/Knowledge Graphs & LLMs: Fine Tuning vs Retrieval Augmented Generation: https://neo4j.com/developer-blog/fine-tuning-retrieval-augmented-generation/LangChain Cypher Search: Tips & Tricks: https://neo4j.com/developer-blog/langchain-cypher-search-tips-tricks/Hot Algo Summer: New Algorithms in Neo4j Graph Data Science: https://neo4j.com/developer-blog/hot-algo-summer-gds/Time Machine: A look-back at Java Sessions at Nodes: https://neo4j.com/developer-blog/java-sessions-nodes-2022/Building Java Applications with Neo4j: https://www.javacodegeeks.com/2023/07/pouring-coffee-into-the-matrix-building-java-applications-on-neo4j.htmlUsing Spring for GraphQL With Spring Data: https://neo4j.com/developer-blog/spring-graphql-neo4j/Python driver updates: https://github.com/neo4j/neo4j-python-driver/wiki/5.x-changelogNeomodel (community Python OGM) updates: https://github.com/neo4j-contrib/neomodel/releases/tag/5.1.0Mock data generator 0.1.0 released as a Pypi package: https://pypi.org/project/graph-data-generator/neo4j-balena: https://github.com/mpous/neo4j-balenaNeodash updates: https://github.com/neo4j-labs/neodash/releases/tag/2.3.0Exploring Neodash for 197M Chemical Full-Text Graph: https://neo4j.com/developer-blog/exploring-neodash-for-197m-chemical-full-text-graph/How to Implement SSO for your Neo4j Instance: https://neo4j.com/developer-blog/implement-sso-neo4j-auth0/New Sandbox Feature: Single Sign-On: https://neo4j.com/developer-blog/neo4j-sandbox-sso/Entity Resolution in Reagent: https://margin.re/2023/06/entity-resolution-in-reagent/Neo4j GraphQL Toolbox: https://graphql-toolbox.neo4j.io/Updated GraphAcademy Course: Introduction To Neo4j & GraphQL: https://graphacademy.neo4j.com/courses/graphql-basics/Pomodoro App: https://pomofocus.io/Spring Boot: https://spring.io/projects/spring-bootCody.ai by Sourcegraph: https://docs.sourcegraph.com/codyCodiumAI: https://www.codium.ai/Arxiv.org: https://arxiv.org/

What's New In ArcGIS Knowledge: https://www.esri.com/arcgis-blog/products/arcgis-knowledge/announcements/whats-new-arcgis-knowledge-23q2/StepZen + Neo4j GraphQL: https://neo4j.com/developer-blog/api-development-neo4j-graphql-stepzen/Improving a node.js GraphQL server performance: https://medium.com/@angrykoala/645a4ae711c3Neosemantics: https://github.com/neo4j-labs/neosemanticsWorkspace updates w/ Greg King [Dev Tools Product Manager at Neo4j]: https://www.youtube.com/watch?v=NUuI9NkOfZoCommunity data modeling question (What is the better data model-- creating more nodes, or utilizing more properties?): https://community.neo4j.com/t/what-is-the-better-data-model-creating-more-nodes-or-utilizing-more-properties/62533Mock Data Generator Livecast: https://www.youtube.com/watch?v=zHtJ_qNKA-QIntermediate Cypher & Data Modeling: https://neo4j.com/event/apac-training-series-intermediate-cypher-and-data-modelling/Michael and the Bot: Graph Coding with ChatGPT for Fun and Profit - Exploring Bluesky: https://www.youtube.com/watch?v=6BMCXFii4PoSoftware Dependencies w/ Alex and Michael: https://www.youtube.com/watch?v=QOu5VAsCAoAGraphversations Series (2 new episodes):  https://www.youtube.com/playlist?list=PL9Hl4pk2FsvU-AZJmF70jTVe_6riV9QapGoing META, episodes 15-17: https://www.youtube.com/playlist?list=PL9Hl4pk2FsvX-5QPvwChB-ni_mFF97rCEBioCypher: https://neo4j.com/developer-blog/biocypher-biomedical-knowledge-graphs/NODES is coming (back)!: https://neo4j.com/blog/nodes-2023/Submit a talk to NODES (CFP is still open until June 30th): https://sessionize.com/neo4j-nodes-2023Long form - TED Talks (book) by Chris Anderson: https://www.ted.com/read/ted-talks-the-official-ted-guide-to-public-speakingShort form - Julian Treasure's TED Talk - How to speak so that people want to listen : https://www.youtube.com/watch?v=eIho2S0ZahI&list=UULPAuUUnT6oDeKwE6v1NGQxug&index=3Nifdi: https://nifdi.app/The Pros & Cons of Native vs Non-Native (Graph Databases) June 7 + 8th: APAC: https://neo4j.com/event/neo4j-finding-the-right-graph-database-the-pros-cons-of-native-vs-non-native-asia-pacific-june-8/EMEA: https://neo4j.com/event/neo4j-finding-the-right-graph-database-the-pros-cons-of-native-vs-non-native-europe-june-8/US:  https://neo4j.com/event/neo4j-finding-the-right-graph-database-the-pros-cons-of-native-vs-non-native-june-8/LLMs and Knowledge Graphs June 13th: https://neo4j.com/event/large-language-models-and-knowledge-graphs/Meetup at our office in Sweden: June 15 https://neo4j.com/event/meetup-neo4j-office-malmo/Mock Data Presentation at Tokyo Meetup June 23: https://neo4j.com/event/how-to-create-interconnected-synthetic-data-meetup-in-tokyo/

Quali sono i modelli dati o i tipi di interrogazioni che rendono un graph database come Neo4J la scelta giusta? Come si alimenta e interroga Neo4J? Python può essere utile per analizzare dati finanziari e per simulare strategie di investimento? Conosciamo Claudio Cama, data engineer presso Reviva e Youtuber.

We try out the most secure messaging app in the world, and Wes' new note system that's so great you'll want to abandon your current one.

Call for Community Speakers: https://dev.neo4j.com/submit-your-talkNeo4j User Survey: https://docs.google.com/forms/d/e/1FAIpQLSeDbYReEL8JXtlNKsBodtAUnlkuGsAdWJLAQornvxWihembMQ/viewformData Importer File Filter: https://neo4j.com/developer-blog/neo4j-data-importer-introducing-file-filtering/Bloom Slicer: https://neo4j.com/docs/bloom-user-guide/current/bloom-tutorial/slicer/Experimental Client APIs: https://medium.com/neo4j/a-new-steer-for-the-neo4j-drivers-ed3de051209eAdditional 5.6 release notes: https://neo4j.com/release-notes/database/neo4j-5/Intro to Neo4j Workshop Recording: https://www.youtube.com/watch?v=otCRuINPUakIntermediate Cypher Workshop Recording: https://www.youtube.com/watch?v=IJBTdWig564Building a Routing Application Workshop Recording: Register for Spring Data Workshop: https://go.neo4j.com/WBR-230412-Training-Series---Spring-Data-Neo4j-DevRel_Registration2.htmlFOSDEM 23 Graph Systems + Algos Devroom Sessions: https://fosdem.org/2023/schedule/track/graph_systems_and_algorithms/Raspberry Pi Neo4j v5 Installation instructions: https://gist.github.com/jalakoo/7b854f9c60c237f2d6f8c9fd5ca1356fTomaz Bratanic's Knowledge Graph-Based Chatbot With GPT-3 and Neo4j article: https://medium.com/neo4j/knowledge-graph-based-chatbot-with-gpt-3-and-neo4j-c4ebbd325edOpen Sanctions With Friedrich Lindenberg: https://www.youtube.com/watch?v=T3uGVrrMeToLinkurious partnership: resources.linkurious.com/openscreeningMax Andersson's Innovation Vertex Podcast with Filip Asblom of Digital Tvilling: https://www.youtube.com/watch?v=NS3xEFR1jCAHoare Lea's Will Reynold's presentation: https://www.youtube.com/watch?v=OOihIxbo0dEDavid Meza's Keynote from KGC 2022:  https://www.youtube.com/watch?v=K2EWl7Mn9AcBloom Coordinate Layout: https://www.youtube.com/watch?v=ZYIasTOhLtIVarun Shenoy's GraphGPT app: https://graphgpt.vercel.appAlison Cossette's Interview with Varun Shenoy: https://www.youtube.com/watch?v=A6uTdDs6E-EFastRP's Memory Estimation: https://neo4j.com/docs/graph-data-science/current/machine-learning/node-embeddings/fastrp/#algorithms-embeddings-fastrp-examples-memory-estimationNeo4j Fabric: https://neo4j.com/docs/operations-manual/4.4/fabric/introduction/#fabric-fabric-conceptsGraph Summit in Munich: https://neo4j.com/event/graphsummit-munich-2/2023 Knowledge Graph Conference in NYC: https://www.knowledgegraph.techOpportunity at Neo4j - Technical Curriculum Developer: https://boards.greenhouse.io/neo4j/jobs/4030477006?gh_jid=4030477006Submit questions and your top dev tools to: https://www.speakpipe.com/GraphStuff

OpenCypher: http://opencypher.org/ChatGPT: https://openai.com/blog/chatgptIntroduction To Cypher: https://neo4j.com/docs/getting-started/current/cypher-intro/Create Neo4j Database Model with ChatGPT: https://neo4j.com/developer-blog/create-neo4j-database-model-with-chatgpt/Use ChatGPT to Query Your Neo4j Database: https://towardsdatascience.com/use-chatgpt-to-query-your-neo4j-database-78680a05ec2#d083-cf615c9d7f04Maximising Efficiency: The Power of ChatGPT and Neo4j for Creating and Importing Sample Datasets: https://neo4j.com/developer-blog/chatgpt-neo4j-import-sample-dataset/Graph Data Science with Neo4j Book: https://medium.com/@st3llasia/graph-data-science-with-neo4j-book-e7f32cfa41ccNeo4j (slow) Query Logs: https://neo4j.com/docs/operations-manual/current/monitoring/logging/#query-loggingNeo4j Query Tuning Guide: https://neo4j.com/docs/cypher-manual/current/query-tuning/Neo4j Live: Wardley Mapping with Neo4j: https://www.youtube.com/watch?v=UKvjYZ2kiNYFull Stack GraphQL Book Series: https://www.youtube.com/playlist?list=PL9Hl4pk2FsvVg3c74thYEWVsCPPVB1qqnGoing Meta - Ep 13: Creating (and RDF-izing) virtual graphs over external data: https://www.youtube.com/watch?v=FoHAyBhcH4sNeo4j Live: Neo4j VS Code Extension: https://www.youtube.com/watch?v=kSH4eqNARAwAlison's next LinkedIn Livecast: https://www.linkedin.com/posts/alison-cossette-7115857_join-me-and-varun-shenoy-from-stanford-university-activity-7034149009019535362-4mMP?utm_source=share&utm_medium=member_desktopHow Cypher changed in Neo4j v5: https://towardsdatascience.com/how-cypher-changed-in-neo4j-v5-d0f10cbb60bfExists Subqueries: https://neo4j.com/docs/cypher-manual/current/syntax/expressions/#existential-subqueriesOSMNX library: https://github.com/gboeing/osmnxGraphGPT: https://github.com/varunshenoy/GraphGPTStreamlit: https://streamlit.io/Arrows: https://arrows.app/Data-Importer: https://data-importer.graphapp.io/Jason's Mock Graph Data Generator: https://github.com/jalakoo/mock-graph-data-generator

“LinkedIn meets ZoomInfo meets Zocdoc, but for doctors." That's how H1 co-founder and CEO Ariel Katz describes the information service his company offers. It's a response to the fact that the healthcare is incredibly fragmented, with no central database or platform that everyone can use to share their professional profiles and get in touch with colleagues. (Physicians never adopted LinkedIn for this kind of networking because they just don't switch jobs very often.) Without a central directory, patients can have a hard time find the right doctors, and doctors can have a hard time finding each other—say, when they might be searching for research collaborators. It's an even bigger frustration for drug companies, who need to know which doctors can help them enroll the right patients for clinical trials. H1 is trying to solve all of those problems by building what Katz says will be the world's largest graph database of people in healthcare. After participating in the 2020 batch of startups at the Silicon Valley incubator Y Combinator, H1 has rocketed forward, raising almost $200 million in venture capital. This week Ariel joins Harry to talk about how and why H1 has grown so quickly, and how better networking could accelerate drug development and help patients find the best doctors for them.For a full transcript of this episode, please visit our episode page at http://www.glorikian.com/podcast Please rate and review The Harry Glorikian Show on Apple Podcasts! Here's how to do that from an iPhone, iPad, or iPod touch:1. Open the Podcasts app on your iPhone, iPad, or Mac. 2. Navigate to The Harry Glorikian Show podcast. You can find it by searching for it or selecting it from your library. Just note that you'll have to go to the series page which shows all the episodes, not just the page for a single episode.3. Scroll down to find the subhead titled "Ratings & Reviews."4. Under one of the highlighted reviews, select "Write a Review."5. Next, select a star rating at the top — you have the option of choosing between one and five stars. 6. Using the text box at the top, write a title for your review. Then, in the lower text box, write your review. Your review can be up to 300 words long.7. Once you've finished, select "Send" or "Save" in the top-right corner. 8. If you've never left a podcast review before, enter a nickname. Your nickname will be displayed next to any reviews you leave from here on out. 9. After selecting a nickname, tap OK. Your review may not be immediately visible.That's it! Thanks so much.

Follow Hugh hereCheck out The Link here: https://www.thelink.ai/Get a demo by emailing hugh directly: hugh.seaton@thelink.ai

Follow Amy hereLearn more about Relational.ai hereMore from Amy:https://techcrunch.com/2022/04/26/relationalai-wants-to-change-the-way-intelligent-apps-are-built/https://youtu.be/ocadAuzfSnE

Follow Cayley hereLearn more about TigerGraph hereCheck out our episode from DADO on their Construction-based GraphDB: https://www.datainconstruction.com/episodes/introduction-to-graph-databases-jake-olsen-dado

Follow Maya here: https://www.linkedin.com/in/maya-natarajan-0070151/Check out Neo4J here: https://neo4j.com/

Many of the events, ideas, and objects that we try to represent through data have a high degree of connectivity in the real world. These connections are best represented and analyzed as graphs to provide efficient and accurate analysis of their relationships. TigerGraph is a leading database that offers a highly scalable and performant native graph engine for powering graph analytics and machine learning. In this episode Jon Herke shares how TigerGraph customers are taking advantage of those capabilities to achieve meaningful discoveries in their fields, the utilities that it provides for modeling and managing your connected data, and some of his own experiences working with the platform before joining the company.

A high school class on Pascal launched Andi's interest in programming (starting on an Apple IIc).Andi was bored with his university studies and took on an extra-credit programming project that turned into PHP3, the version that built a million websites.PHP gets a lot of hate, and we have two theories about why. First, it's primarily brownfield development, and we all know that hell is other people's code. Second, it democratized development—a great thing in many ways - that nevertheless led to a lot of less than professional code making it's way to production.Andi cofounded Zend Technologies to oversee PHP advances and served as CEO from 2009 until the company's acquisition in 2015. After Zend Technology, Andi became one of what he jokes was “five folks in a garage” building a new graph database for Amazon.Now, at Google, Andi runs the operational database for Google Cloud Platform, including managed third parties and cloud-native databases Spanner, Bigtable, and Firestore.His background in programming makes Andi sensitive to the importance of prioritizing developer experience: “the number-one person using our services are our developers. And so we need to make [our technology] super-productive and simple and easy and fun for developers to use.”Connect with Andi on LinkedIn.

Twitch channel with the full show: https://www.twitch.tv/terminusdbAlso check out Matthijs' coding sessions on twitch - they are a delight, you won't regret.As I don't have any documentation on cardinality, I will just plug this new blog instead:8 Reasons to Version Control your database: https://terminusdb.com/blog/8-reasons-to-version-control-your-database/Data mesh by it's founder Zhamak Dehghani - this is an essential introduction to the ideas: https://martinfowler.com/articles/data-mesh-principles.htmlThis is a good engineering intro to data mesh. I appreciated its straightforward descriptions: https://www.datamesh-architecture.com/Three laws of robotics: https://en.wikipedia.org/wiki/Three_Laws_of_Robotics I, Robot (by Asimov - not the 'adaptation' Will Smith movie): https://en.wikipedia.org/wiki/I,_RobotThe robot vacuum cleaner company is called 'I, Robot': https://www.irobot.ie/roomba  

Follow Dr. Gosnell hereFind The Practitioner's Guide to Graph Data: Applying Graph Thinking and Graph Technologies to Solve Complex Problems here:From the Publisher:Subscribe on Apple: https://podcasts.apple.com/us/podcast/data-in-construction/id1604092908Subscribe on Spotify: https://open.spotify.com/show/2AUUpaT0yYueyah826JOOQ?si=a34ca4e3acf24835Sign up for the Data in Construction Book: http://eepurl.com/hTtFPHSign up for Data in Construction skills webinarsBuy The Construction Technology Handbook here: https://www.amazon.com/gp/product/B08PNHBB1M/ref=dbs_a_def_rwt_bibl_vppi_i0

Twitch channel with the full show: https://www.twitch.tv/terminusdbAlso check out Matthijs' coding sessions on twitch - they are a delight, you won't regret.Critical Asset Management System (climate resilience project): https://climateresilient.world/And the repo: https://github.com/CriticalAssetManagementData.world knowledge graph article data catalog article: https://data.world/blog/3-ways-to-confirm-your-data-catalog-is-really-powered-by-a-knowledge-graph/Google 'Things not Strings' to intro the knowledge graph: https://www.blog.google/products/search/introducing-knowledge-graph-things-not/ Knowledge graph on wiki: https://en.wikipedia.org/wiki/Knowledge_graphIt's pronounced nu-cular: 

Twitch channel with the full show: https://www.twitch.tv/terminusdbAlso check out Matthijs' coding sessions on twitch - they are a delight, you won't regret.Critical Asset Management System (climate resilience project): https://climateresilient.world/And the repo: https://github.com/CriticalAssetManagementText rendering hates you: https://gankra.github.io/blah/text-hates-you/CentOS: https://www.centos.org/Privacy in Ubuntu: https://www.eff.org/nl/deeplinks/2012/10/privacy-ubuntu-1210-amazon-ads-and-data-leaks

More on Graph Databases here:Why Graph Databases?What is a Knowledge Graph?Getting started with Graph Databases.DADO website: https://projectdado.com/DADO "SmartLinks" landing page (this is the graph database stuff): https://projectdado.com/product/smart-links/Smartliks demo video: https://youtu.be/YPkEZxg4wbUDADO SmartForms tool: https://projectdado.com/product/smart-forms/Using DADO forms to structure field data (video): https://youtu.be/xvPluCnGck8From the Publisher:Subscribe on Apple: https://podcasts.apple.com/us/podcast/data-in-construction/id1604092908Subscribe on Spotify: https://open.spotify.com/show/2AUUpaT0yYueyah826JOOQ?si=a34ca4e3acf24835Sign up for the Data in Construction Book: http://eepurl.com/hTtFPHSign up for Data in Construction skills webinarsBuy The Construction Technology Handbook here: https://www.amazon.com/gp/product/B08PNHBB1M/ref=dbs_a_def_rwt_bibl_vppi_i0

Twitch channel with the full show: https://www.twitch.tv/terminusdbPluggable Auth in TerminusDB: https://gist.github.com/GavinMendelGleason/b4f0c32e893549a9633e1e5a8a87b889Check it out in action: dashboard.terminusdb.comVice piece on Wordcels and Shape Rotators: https://www.vice.com/en/article/pkpqzb/ok-wtf-are-wordcels-and-shape-rotatorsThe inventor of the concept: https://twitter.com/tszzlAnd his blog telling us what it is all about: https://roonscape.substack.com/p/a-song-of-shapes-and-wordsThe game we were playing ('play zig zag'): https://vladimirslepnev.itch.io/zigzag 

https://go.dok.community/slack https://dok.community/ ABSTRACT OF THE TALK Nebula Graph Demystified Graph on K8s Know-How of Graph Database BIO Open Source believer, builder, singer and Graph Magic advocate(to scale the magic to help wizards) https://siwei.io/en/about/ KEY TAKE-AWAYS FROM THE TALK Why& How graph db would help real life problems Arch and Design the Nebula Graph Database and the Intro. of the Project Implementation of the Nebula K8s operator Graph Database Know How in actions on: Building an intelligent Voice Robot MetaData governance and Lineage Building a corporation shareholding relations system

Twitch channel with the full show: https://www.twitch.tv/terminusdbJSON Diffs documentation: https://terminusdb.com/docs/index/json-diff-and-patchTable diff product that is getting ready to launch: https://versionxl.com/P v NP primer (I still couldn't understand): https://jeremykun.com/2012/02/23/p-vs-np-a-primer-and-a-proof-written-in-racket/Apple's 10 billion blow to facebook: https://www.cnbc.com/2022/02/02/facebook-says-apple-ios-privacy-change-will-cost-10-billion-this-year.html29 billion in value wiped off Meta: https://news.sky.com/story/facebook-founder-mark-zuckerberg-takes-29bn-hit-as-meta-share-price-plunges-12532517 

https://go.dok.community/slack https://dok.community/ ABSTRACT OF THE TALK Graph databases are fundamentally designed with a focus on the relationship between data sets. Running stateful workloads like databases on a container platform has always been a challenge. How to unleash the power of your connected data on Kubernetes with cloud-native technologies? Nebula Graph is a highly performant linearly scalable graph database available for use via a shared-nothing distributed model. KubeSphere is an open source container platform built on Kubernetes, helping developers to implement application delivery and build observability with ease. In this talk, maintainers from KubeSphere and Nebula Graph community will demonstrate how to leverage Operator to deploy and manage a graph database on K3s with KubeSphere. KEY TAKE-AWAYS FROM THE TALK - KubeSphere and K3s Walkthrough - Graph Database and Nebula Graph: Learn and Practice - How to use KubeKey to install K3s and OpenEBS within minutes - Run Nebula Graph on K3s with KubeSphere - Build cloud native nbservability for Database application BIO Feynman is a CNCF ambassador and community manager. He is growing and maintaining the KubeSphere open source community, which helps users to widely adopt Kubernetes and reduce the learning curve of using cloud-native technologies. He focuses on technical writing and advocacy and outreacy in cloud-native area.

Try the new GraphAcademy today: https://graphacademy.neo4j.com/Introducing the New GraphAcademy blog post: https://medium.com/neo4j/introducing-the-new-graphacademy-45b0df491a23Adam's "Improving the Neo4j Developer Experience with Neo4j" talk at NODES 2021: https://www.youtube.com/watch?v=D4dTBzZ4uC8&list=PL9Hl4pk2FsvXfH-q5aghB2g7AlIztqoaf&index=3Follow Adam on Twitter: https://twitter.com/adamcowleyLimited Edition T-shirt OfferComplete the Neo4j Fundamentals and Cypher Fundamentals courses within a week and provide feedback and you could be sporting a limited edition GraphAcademy t-shirt inspired by Experimental Jetset's “John & Paul & Ringo & George” design.Simply complete the courses, use the feedback widget to provide some feedback, and send an email to graphacademy@neo4j.com with a link to your profile and any likes or dislikes about the experience before 23:59:59 PT on Sunday 31 October 2021. See the blog post for more info.

Neo4j Sandbox: https://neo4j.com/sandbox/OpenStreetMap Neo4j Sandbox: https://sandbox.neo4j.com/?usecase=openstreetmapNeo4j Graph Examples: https://github.com/neo4j-graph-examplesGoogle dataset search: https://datasetsearch.research.google.com/Meetup API: https://www.meetup.com/meetup_api/Working with the Meetup API & Neo4j: https://github.com/moxious/meetup-datasetNYTimes API: https://developer.nytimes.com/Working with NYTimes data in Neo4j: https://github.com/johnymontana/news-graph538 datasets: https://github.com/fivethirtyeight/dataData Is Plural weekly mailing list: https://www.data-is-plural.com/Open Library API: https://openlibrary.org/developers/apiYelp Data Challenge: https://www.yelp.com/datasetCompanies House - GOV.UK: https://www.gov.uk/government/organisations/companies-houseNew York City data portal: https://opendata.cityofnewyork.us/Philadelphia data portal: https://www.opendataphilly.org/San Francisco data portal: https://datasf.org/opendata/US public data on GitHub: https://github.com/unitedstatesOpenElections data on GitHub: https://github.com/openelectionsUsing Google Forms with Neo4j: https://neo4j.com/developer-blog/getting-to-know-you-getting-to-know-all-about-you/Neo4j Twitch channel: https://www.twitch.tv/neo4jNeo4j YouTube channel: https://www.youtube.com/neo4jVideo series: Discovering Aura Free WIth Fun Datasets: https://www.youtube.com/playlist?list=PL9Hl4pk2FsvVZaoIpfsfpdzEXxyUJlAYwCSVKit: https://csvkit.readthedocs.io/en/latest/Dedupe.io: https://dedupe.io/APOC text functions: https://neo4j.com/labs/apoc/4.1/misc/text-functions/APOC import procedures: https://neo4j.com/labs/apoc/4.1/import/Cypher LOAD CSV: https://neo4j.com/developer/guide-import-csv/Arrows.app for graph data modeling: https://arrows.app/neo4j-admin import (bulk import tool): https://neo4j.com/docs/operations-manual/current/tools/neo4j-admin/neo4j-admin-import/Neo4j ETL Tool: https://neo4j.com/labs/etl-tool/Neo4j Drivers & Language guides: https://neo4j.com/developer/language-guides/

Contribuir com a Comunidade Opensource é evoluir como Programador, aumentar o networking e seu valor no mercado. Acompanhe, como criei uma Biblioteca (Connector) para Loopback e AWS Neptune e disponibilizei para a comunidade no GitHub e no NPM. O Amazon Neptune é um Graph Database (banco de grafo) que estou utilizando para desenvolver um projeto que fará uso da Amazon Web Services. Este banco de dados é gerenciado pela AWS e possui escalabilidade, backup automático, redundância e vários outros recursos. O framework escolhido para este projeto é o Loopback e a linguagem escolhida para o desenvolvimento do Connector foi a Gremlin, do Apache TinkerPop. Espero que você crie um fork do repositório e envie um pull request para que juntos, possamos melhorar o código, criar soluções para demandas de mercado e crescermos profissionalmente. Aguardo seu feedback! Assista ao vídeo no Youtube: https://youtu.be/jGij-UVyCys Gostou do conteúdo deste vídeo?

[קישור לקובץ mp3]שלום וברוכים הבאים לפודקאסט מספר 419 של רברס עם פלטפורמה, התאריך היום הוא ה-24 באוגוסט 2021, עדיין בקיץ הלוהט של ישראל . . . (אורי) עדיין באוגוסט . . . (רן) עדיין באוגוסט . . . אוטוטו - והכבישים כבר מתחילים להראות סימני אוגוסט, וזה רמז וסימן לפרק של היום: היום אנחנו מתכבדים לארח את חנוך מ-Waze - היי חנוך! ברוך הבא ותודה שבאת.(אורי) מצאת את בדרך? . . . . (חנוך) כן, והגעתי לפה עם ה-ETA, ממש בול . . . (רן) מעולה - אז תיכף נדבר על איך באמת עושים את זה, את כל הסיפור של (1) למצוא את הדרך ו-(2) לשערך ETA . . . חנוך עוסק בעיקר ב-Routing ב-Waze - ובוא, חנוך - ספר קצת על עצמך, מה אתה עושה שם, קצת על Waze היום - את Waze אני מניח שכולם מכירים, אבל מה עושים ב-Waze היום? אז בבקשה . . .(חנוך) אוקיי - אז שלום לכולם, אני חנוך, 4 שנים בישראל, 11 שנים ב-Googleהגעתי ל-Google אחרי התואר השלישי ב-Columbia ואמרתי להם שאני, במקצוע ב-++C ב-Hardware - אמרו “אחלה, בוא תעשה JavaScript ארבע שנים . . . “אחרי זה עשיתי כמה תפקידים ב-Google ואחרי זה עשינו עלייה - ובאתי לפה והתחלתי ב-Wazeכרגע אני “ראש ניווט” ב-Waze - זה אומר שיש לי שני צוותים - אחד שעובד על Routing - מה המסלולוהשני שאחראי על מה ה-ETA - כמה דקות זה יקח להגיע, למסלול (אורי) אז “מחשב מסלול מחדש” - זה אתה?(חנוך) כן . . . .בגדול כן - מצטער, זה אני . . .אבל גם “הגעת ליעד!” - כל הדברים הטובים.אז אני אחראי על הגרסא הנוכחית - זאת אומרת ש-Waze, כמובן, היה קיים הרבה שנים לפני כן, ויש הרבה היסטוריה של Waze בישראלכרגע, Waze הוא חלק מ-Google, כמו שרמזתי - כבר ב-2013 קנו אותם, וזה אומר שיש לנו תמיכה של החבר'ה פה בארץ ואפשר לעשות דברים שאולי בזמן שזה היה סטארטאפ קטן אז לא היו עושים.כרגע אנחנו עושים הימור גדול על Waze Carpool - אולי שמעתם על זה, יש לנו גרסא חדשה . . .זה . . . אני לא רוצה להגיד שזה הפוקוס היחיד, אבל זה אחד מהפוקוסים הגדולים שלנו.אז זה אחד מ”העתידים” של Waze - לאן Waze הולך: חלק זה גם להשקיע עדיין ב-Waze שאתם מכירים, של ה-Routing וה-ETA, שאני אוהב - וגם חלק שהוא של ה-Waze Carpool.אז אנחנו, פחות או יותר, עושים את שניהם במקביל.(רן) אוקיי, אז כן - אז למי שלא היה כאן בעשור האחרון: Waze היא היום חלק מ-Google, ואחת השאלות שעולות היא “רגע! אבל יש את Google Maps, או את Google Mobile Maps, ויש גם את -Waze . . . .” - אז מה ההבדל ביניהן? מתי אני ארצה להשתמש ב-Waze ומתי אני ארצה להשתמש ב-Google Mobile Maps?(חנוך) Google Maps, כן . . . אז זו שאלה טובה, והיא שאלה שלפעמים לא ברורה . . . וודאי יש חפיפה בין מה שהאפליקציות עושות.ה-Waze מפוקס אך ורק על הנהג, למשל, ויש הרי use cases אחרים - יש הליכה ברגל, יש חיפוש מקומות, יש Public transportation . . . אנחנו לא מפוקסים על זה בכלל - אנחנו רק מפוקסים בלהיות הכי טובים לנהג.גם ב-GMM, ה-Google Mobile Maps, יש את ה-Mode של הנהג - אז יש לנו “תחרות חברתית” פנימית על העניין הזהאבל בדרך כלל, אם אתה משתמש ב-Waze אז אנחנו אומרים “כן, אמור להיות לך גם Google Maps על הטלפון, כדי תוכל לעשות את כל הדברים האחרים שאנחנו לא תומכים בהם”.אז אנחנו לא מנסים להיות התשובה השלמה.אז למה להשתמש בנו [Waze] ברכב, במקום להשתמש ב-Google Maps, אם כבר אומרים לך שיהיו לך את שניהם?אז אנחנו [Waze] מנסים לתת לך את החווייה הכי מפוקסת והכי טובה . . . אפשר להיכנס לפרטים על ההבדלים, אבל ההבדל הכי גדול זה הרעיון של הקהילה: ש-Waze הוא, מכמה כיוונים, דומה ל-Wikipedia . . . יש משתמשים שמעדכנים את הזמן שלהם ומעדכנים את המפה כל הזמןכש-Google Maps זה יותר Top-Down - זה אומר שיש להם צוות ענק שעושה את זה, אבל זה לא אותו הדבר, שאתה יכול בעצמך להיכנס ולתקן.יש לנו חצי מיליון אנשים שמתקנים [מעדכנים] את המפה באופן אקטיבי, יש לנו מיליוני Wazer-ים שמדווחים כל הזמן מה קורה על הכביש בזמן אמיתי - ומזה אנחנו בונים תמונה מאוד מאוד “טרייה”, מאוד מאוד “נוכחית” של מה שקורה . . . (אורי) . . . “עדכני” . . .(חנוך) - “עדכני”, תודה, זו כנראה מילה יותר טובה.ולמרות שלפעמים גם, כמו ב-Wikipedia, יש משהו שהוא חדש ועדיין צריך קצת שיפור . . . אז אנחנו יותר רצים להיות היותר מעודכנים מלהיות אלו שעברו [בדיקה] מקצועית [מדוייקת].(רן) אז אמרת (1) אחד-עשר מיליון אנשים שבאופן אקטיבי . . .(חנוך) חצי-מיליון . . .(רן) חצי-מיליון, סליחה . . . חצי-מיליון אנשים שבאופן אקטיבי הולכים ועורכים מפות, מעדכנים דרכים חדשות . . .(אורי) . . . וזה בכל העולם, חשוב להדגיש . . .(רן) . . . בכל העולם, כן - המספר מאוד מאוד משמעותי.(חנוך) הכמות של הממש-אקטיביים היא כמובן הרבה יותר קטנה מזה - יש חצי-מיליון שעשו את זה בערך, אני לא יודע, בשנה האחרונה - ועשרות-אלפים שעושים את זה כל הזמן.(אורי) אז חנוך - אם ה . . איך נקרא לזה - Driver Assistant? אם אתה צריך לתת שם לקטיגוריה של ה . . .(חנוך) אני אוהב את ההגדרה של “ניווט” . . . ואנחנו מפוקסים על זה שאנחנו צריכים לתת לך את את חוויית הניווט ה . . . זה לא רק . . .בוא נדבר על ההבדל באפליקציה בתוך הרכב לבין מה שהיה לפני כן - שהדפסת משהו מ- Google Maps [!], או MapQuest בזמנו . . . אז ההבדל העיקרי הוא שאנחנו בודקים עבורך כל הזמן, מעדכנים את המסלול, בודקים את ה-ETA, נותנים לך אופציות חדשות - וכן, אנחנו איתך כל הזמן.אני לא רוצה להגיד Driver Assistant בגלל שכמו שאמרתי, הפוקוס שלנו הוא אך ורק על הנהיגה - יש צרכים שיכול להיות . . . אנחנו נותנים לך כפתור ל-Spotify, אבל בגדול זה לא הפוקוס שלנו . . .(אורי) כן . . . השאלה שלי היא שאלת Market Share - מתוך סך-כל הנהגים שמשתמשים בתוכנת ניווט כזאת או אחרת, אתה יודע להגיד כמה ב-Waze, כמה ב-Google Maps?(חנוך) ב-Waze יש לנו 140 מיליון משתמשים - חודשי [MAU], אז זה פחות או יותר.אני לא יודע להגיד לך את המספר ב-Google Maps . . . אני יכול להגיד לך, אני חושב, שאם אתה רק מתפקס על ה-Use Case שלנו, של הנהג, ולא על ה-Use Case הכללי, שיש לנו תחרות משמעותית גם מ-Google Maps, גם מ-Apple Maps . . .יש לנו חלק משמעותי מהשוק, עם הפוקוס הזה - אם אתה אומר [שואל על] אחוז האנשים שמשתמשים בטלפון כל הזמן, אז אנחנו פחות בגלל שכמו שאמרתי, אנחנו רק עושים תפקיד אחד.(אורי) לא, אני מדבר על Drivers . . . (חנוך) אז אנחנו ב-Drivers . . . אני לא יכול להגיד מספר . . . יש לנו 140 מיליון שלנואת המספר של השוק אתה יכול אולי לחפש במקומות אחרים [יש להם חטיבה-אחות שמפתחת פתרון לא רע לחיפוש] - אבל זה אחוז לא קטן של השוק.(רן) כשאתה אומר “שימושים במפות שלא ל-Driving” - הכוונה לנסיעה באוטובוסים, חיפוש מסעדות, דברים בסגנון הזה? . . .(חנוך) כן - יש לי -Google Maps על ה-iPhone [!] שלי . . . (אורי) . . . ללכת ברגל, רחמנא ליצלן . . .(חנוך) בדיוק . . .(רן) אז אתמול נסעתי באוטו ועמדתי בפקק, כמו שקורה הרבה פעמים בכביש 2, והבת שלי ישבה לידי [אינני הנהג!] ואמרתי לה שמחר אנחנו מקליטים פרק עם בחור נחמד מ-Waze, אז היא אמרה לי “אה, רגע - אבא, יש לשאלה!” . . . אז בוא נשמע את השאלה שלה - ומיד נענה . . .(חנוך) אוקי . . . .(יעל) שלום, קוראים לי יעל, אני בת 9.5 ואני מגיעה מיוקנעם - ויש לי שאלה: איך Waze יודע איפה יש שוטר ומתי?(חנוך) אז התשובה היא שאת אמרת לנו . . . יש כפתור כתום ב-Waze, בצד ימין-תחתון, לוחצים עליו - ויש אפשרות לדווח כמה דבריםאנחנו לוקחים את הדברים הללו, ואם זה נראה אמין - זאת אומרת, מי שלחץ, כמה אנשים לחצו וכו' - אז אנחנו נותנים את העדכון הזה לכולם.(יעל) ויש לי עוד שאלה - איך Waze יודע איפה יש פקקים?(חנוך) פה התשובה היא אחרת - אנחנו מודדים את התנועה על הכביש כל הזמן, בכל כביש בעולם שאנשים עם Waze עברוולפעמים אפילו בלי Waze - יש לנו גם Inputs אחריםאז אנחנו יודעים מהי המהירות הנוכחית על הכביש - וגם יש לנו את ההיסטוריה שיצרנו מכל הימים שלפני זה, של מה שאמור להיות פה.אז כשאנחנו רואים שזה חריג, שהמהירות הנוכחית על הכביש היא הרבה פחות ממה שהיינו מצפים לראות עכשיו, אז אנחנו מסמנים את זה כפקק, כי כנראה שיש משהו.במקביל, יש אפשרות לדווח, עם אותו הכפתור הכתום, יש אפשרות לדווח על פקק - וכשאנחנו רואים גם שהמהירות חריגה ואיטית מדי וגם שיש דיווחים, אנחנו נחבר את זה אחד לשני ונגיד ש“זה איטי בגלל הפקק”.אבל אנחנו יודעים על הפקק בכל מקרה - פשוט אנחנו לא כל הזמן אומרים שיש פקק עד שמדווחים . . . (רן) זאת אומרת שאתם צריכים להגיע לאיזשהו Confidence מספיק משמעותי שבאמת יש שם פקק . . .(חנוך) להגיד שיש פקק זה לא דורש Confidence משמעותי - בשביל להתחיל לשנות את ה-Inputs של המסלול ושל ה-ETA, אנחנו עושים את זה באופן אוטומטי כל הזמן.(רן) כן . . . אוקיי, אז זאת אומרת שאם, לצורך העניין, כמה מכוניות עצרו בצד, אתם יכול להיות שאפילו בטעות תחשבו שזה פקק - אבל זה לא מספיק כדי לשנות את ה . . .(חנוך) אז אם זה כמה שעצרו בצד, אז אחרי זמן לא-רב אנחנו נבין שהם לא זזים, אז זה לא שאנחנו פשוט “או, וואו! . . .”וגם אם אנשים אחרים עוברים את ה-Segment הזה, אז אנחנו נדע שאפשר לעבור פה, ופשוט הם לא . . . זה חלק מה-Modeling של מה שקורה על הכביש, שזה מסובך . . .(רן) אז עכשיו, אנחנו בעצם התכנסנו כאן בעיקר כדי לדבר על Routing, ואני מניח שהשאלה הראשונה שעולה בראש, לפני שמדברים על איך עושים Routing, זה בכלל איך מייצגים כביש . . . זאת אומרת, איזה מודל של העולם אתם מחזיקים? איך אתם ממדלים את הכבישים, את הערים את הרמזורים את ה . . .(חנוך) אתה יכול לראות, בגלל שזה פתוח לכולם - זה אחד היתרונות ב-Waze, שאתה יכול להיכנס ל-Waze Account ולראות בעצמך בדיוק איך אנחנו עושים את זה . . .וגם לשנות פרטים . . .בגדול, יש לנו Data structures פנימיים שאנחנו עשינו, שממדלים בדיוק את כל הדברים שאמרת - ועוד מיליון פיצ'רים של הכביש . . .וכל האינפורמציה הזאת, כולה - היא מהקהילה.אז אין לנו בכלל אנשים שיושבים ומתקנים - כולו נכנס דרך אנשים שאמרו, באיזור שלהם, “אני רוצה לתקן את האיזור שלי”.דוגמא טובה לאיך שזה עובד - אני גר בתל מונד [שכן!] ואצלי בבית, בגינה, לפי Google Maps יש רחוב, לא קטן, עם שני נתיבים . . . ב-Waze הוא לא קיים - וגם פיזית הוא לא קיים . . . (אורי) עד שיגיעו ויפקיעו לך חצי מהחצר. . . (חנוך) כן, אז יש מישהו מצד ימין ומצד שמאל, אז בטוח שהם יגיעו אלי אם כבר עברו בגינה של מישהו אחר, אז אני לא דואג לזה . . .אבל אני אוהב את הדוגמא הזו - בגלל שזה שנים ככה . . . אפילו פעם אחת הגעתי עם זה לראש ההנדסה של Google Maps, שכמובן שאנחנו עובדים איתם, והוא אמר לי “בוא, תפתח באג, חנוך, ואני אתקן את זה בשבילך . . .”אמרתי “לא, אני אוהב את זה!” - זו הדוגמא הכי טוב שאני יכול להשתמש בה להבדל בשיטה, באיך שאנחנו מחזיקים מפה, בין Google Maps ל-Waze . . . (רן) כן, אבל פה אתה מדבר על איזה Ground Truth יש לך, איזו אינפורמציה אתה מקבל . . . אני מדבר . . . בוא נדבר הנדסית . . .(חנוך) בעיקר זה גרף . . . הדבר הכי חשוב זה Connectivity, זה גרף של סגמנטים (Segments) עם Nodesזה קצת אחרת ממה שהיית חושב באופן טבעי - אם היית כותב את זה על ה-Whiteboard, אז ה-Node-ים היו ה-Intersections והצלעות [קשתות] היו הרחובות, איך שזה נראהאבל זה להיפך - בגלל שאתה עובר דרך Intersection לכביש, אז ה-Intersection הוא הצלע, בגדול, והרחוב עצמו הוא ה-Node, זה קצת אחרת ממה שהיית חושב.אבל אחרי זה, אנחנו מדברים על Graph-search טהור - אז על כל צלע יש כמה נתונים, שמהם אנחנו בונים את ה-Cost של לעבור אותה.ה-Cost הוא Time-dependent- גם מתי התחלת וגם כמה עברת בתוך החיפוש עצמו.חלק מהסיבוך הגדול זה לעשות ניחוש קדימה - לא רק מה הפקקים הנוכחיים אלא גם מה יקרה בעוד 30 דקות, כשאתה תגיע לכביש 2, על כביש 6 - אז אנחנו עושים אינטרפולציה (Interpolation) כל הזמן של ההיסטוריה ושל ה-Real-time - קדימה.אבל בגדול, אנחנו מדברים על משהו מה-Text-book - זה *A על גרף, שנראה כמו גרף . . .(רן) כן, אוקיי - אז אם אני מבין נכון, למעשה “כביש” זה Node, ובין כל שני כבישים יש קשת, אם יש צומת שמחברת ביניהם באופן ישיר - זאת אומרת שלצורך עניין, צומת מסויימת יכולה להתבטא במספר קשתות, כי היא יכולה לחבר בין מספר כבישים שונים . . (חנוך) כן - אני קצת מפשט את העניין, בגלל שיש כמה סוגי Nodes וכמה סוגי סגמנטים ויש Intersections ו-Junctions שמאוד קשה לעבור [- הוסף כאן את החיבור האהוב עליך לכביש 6 -]“צומת” יכול להיות מודל בפני עצמו - לפעמים צומת הוא מספיק מסובך שאנחנו מייצרים גרף קטן רק עבורונכנסים לתוך הגרף הזה ויוצאים ממנו - אז זה גרף נפרד רק לצומתאבל בגדול, אנחנו מדברים על גרף ממשי בסיסי . . .לא בסיסי - זה משהו שקשה לתחזק, אבל גרף שאתה יכול לקרוא עליו ב-Computer Science 101.עושים את זה ככה, ואז עושים Dijkstra עליו ואחרי זה כל השיפורים וכל מה שעושים אחרי Dijkstra.(רן) אוקיי - וזה גרף כזה פר-מדינה? זאת אומרת, מערכת כבישים . . .(חנוך) יש לנו שלוש סביבות - אחת זו ישראל - התחלנו מישראל, וישראל, למי שלא לא יודע זה “אי” . . . אז יש לה גרף נפרד, שבו אנחנו לפעמים מנסים פיצ'רים חדשים שאנחנו לא מוכנים עדיין להעביר לכל העולם.יש לנו מפה ל-North Americaויש לנו מפה שלישית של כל העולם . . . אז בפועל זה שלוש מפות.(רן) של כל . . . זאת אומרת, לצורך העניין - אוסטרליה זה באותה מפה עם רוסיה או . . . .(חנוך) כן, אין לזה הרבה משמעות כי אין Connectivity ביניהן, אבל זה נמצא באותו קובץ.(רן) ואיך, “פיזית”? - משתמשים באיזשהו Graph Database, או שמידלתם לכם איזושהי סכמה (Scheme) משלכם?(חנוך) הכל בזיכרון . . . אנחנו מעלים את הכל לזיכרון ובונים את כל הגרף, כי אנחנו צריכים “לרוץ" על זה מאוד מהראנחנו מדברים על milliSeconds של כל . . . בדיקת סגמנט זה משהו שחייב להיות מאוד מהיר, ממש - לא milliSeconds אלא microSeconds של מעבר על סגמנט.אז אנחנו חייבים לעבור על עשרות-אלפי סגמנטים בכל חיפוש - אז הכל חייב להיות בזיכרון, אין אפשרות אחרת.(רן) אוקיי, הבנתי - ומפת כל העולם יכולה להיכנס לתוך הזיכרון . . .(חנוך) כן, אנחנו מדברים על עשרות . . . עד 100Gb, משנה בדיוק איזו מפה ואיזו גירסא, אבל כשמשווים את זה לענן זה לא הרבה בכלל.(רן) אוקיי, אז אמרת שעל הגרף הזה מפעילים *A . . . למי שלא זוכר את החומר, בגדול, מה ה-*A עושה? אני רוצה להגיע מ-Point A ל-Point B - מה עושים?(חנוך) אגב, אני רוצה להגיד פה שאנחנו, למיטב הבנתי, היחידים שעדיין משתמשים ב-*A . . . זה אלגוריתם מאוד ישן, לפחות 30 שנים או 40 שנים, לא יודע - מאוד ישן [יותר מ-50, לפחות לטענת ויקיפדיה].ויש סיבות לכך שאנחנו משתמשים בו - אני אסביר עליו, ואחרי זה אני אסביר למה אנחנו לא עושים משהו יותר “מודרני”.אז *A הוא גרסת Graph-Search . . . בוא נתחיל מ-Breadth First Search ,שאתה מחפש בכל כיווןיש לזה גרסא יותר מתקדמת שנקראת Dijkstra, שאומר את אותו הדבר - חוץ מזה שיכולות להיות צלעות עם מחירים שונים, ואז זה לא בדיוק Breadth First אבל עדיין אתה הולך כל הזמן ומנסה למצוא את הדרך הכי קצרה לשלב הבא.(רן) כן - מה שנקרא “Shortest Path” . . .(חנוך) בדיוק - ו-*A הוא גרסת Dijkstra שמשתמשת במידע חיצוני . . . אני מכיר משהו על הגרף - זה לא רק Connectivity, יש גם משמעות פיזית - אז אני יכול להגיד לך ש”בכיוון הזה אי אפשר לחזור . . . אי אפשר שיהיה משהו”, וזו היוריסטיקה (Heuristic)(רן) אז היוריסטיקה אומרת לך ש”אפילו שהמחיר פה נראה זול, לא כדי ללכת לשם, כי . . .”(חנוך) . . . בגלל שאנחנו יודעים שאי אפשר, בכיוון הזה, שיהיה מסלול יותר מהיר.לדוגמא - היוריסטיקה הכי ידועה זה Aerial Distance - אני אומר שנניח שאתה הולך לשם, בכיוון הזה, ונניח שבכיוון הזה יש כביש ישר ומהיר - “כביש 6” הולך בדיוק מהנקודה הבאה ועד ליעד” . . . - אפילו אם זה היה נכון, זה לא היה מספיק.אז אם כן, אין סיבה להמשיך בכיוון הזה.(רן) אז אתה אומר - במקום לפזר את החיפוש ל-360 מעלות, אם אתה הולך בניגוד לכיוון היעד, באיזשהו שלב כנראה שאין טעם להמשיך, כי אפילו אם יהיה כביש ישר [לשם] זה עדיין מרחק גדול מדי.(חנוך) כן, והיתרון ב-*A הוא שמתחילת החיפוש הוא מחשב כל הזמן מחדש - כל משתמש רואה, כל פעם שלוחצים על “Routes” . . . אין שום Pre-caching, אנחנו מדברים על “מפה טהורה” וחיפוש ממש מחדש.זה מאפשר לנו פרסונליזציה (Personalization) מאוד חזקה לחיפוש - גם האופציות שאתה יכול לראות באפליקציה עצמה, גם בדברים שאנחנו שומרים עליך . . . לדוגמא, יש לנו Opt-In Feature שנקרא Personal ETA, שאנחנו רואים איך נהגת ב-30 הימים האחרונים [בהצלחה בסגר הבא . . . ] זה Opt-In לגמרי, אבל עם זה, אנחנו יכולים להגיד: “אתה מהיר מהרגיל, או איטי מהרגיל, אז אנחנו משנים את “המחיר” של כל צלע בשבילך” . . . אז יש לנו הרבה דברים כאלה.וזה מתאפשר ב-*A בגלל שאתה [עושה] הכל ממש מחדש.המחיר של זה זה זמן . . . אם אתה לחצת על Waze ביחס ל-Google Maps, אתה יכול לראות שלוקח לנו הרבה יותר זמן לעשות Route מאשר התחרות, זה יותר איטי . . . (רן) אז אם נסתכל על ה-Worst Case Scenario, לא יודע מהו - נגיד West Coast to East Cost בארה”ב . . . (חנוך) זה יכול להיות שניות . . . 10 שניות אפילו אפשר . . . (רן) ומה גודל ה . . . כמו Nodes עוברים בדרך? זאת אומרת, מה המסלול הארוך . . .(חנוך) יכול להיות . . . המסלול עצמו אולי לא יהיה הכי גדול, פחות מ-1,000 - אבל החיפוש יכול להגיע ל . . . לא יודע, מיליון או יותר.(רן) ואתה אומר שאתם היחידים שעדיין משתמשים ב-*A - אז מה אחרים עושים?(חנוך) אז יש . . . הרי יש התקדמות אקדמאית על זה . . . במשך הרבה שנים, הדבר הכי טוב היה משהו שנקרא Bijection Hierarchies, שזה מתחיל עם אותו גרף של *A ובאיזשהו סדר ידוע עושה Short-cuts ששומרים . . . Short-cuts שלא קיימים באופן פיזי, אבל שומרים על המרחק בין שתי הנקודותיש סדר ויש הרבה חוכמה - ויש הרבה דעות על איך לעשות את זה . . . .יש הרבה שיטות, אבל בפועל - אתה יכול לבנות מפה, שעליה אתה יכול לעשות חיפוש מאוד מהיר.אחרי זה יש גם משהו חדש מ-Microsoft . . . אגב, כל ה-Routing הטוב הוא מ-Microsoft Research - הם הכי טובים בזה . . .אז יש את מה שנקרא Customizable Route Planning, שזה סגו של Tree שאתה בונה -אתה לוקח את העולם ומפרק אותו לארבעה חלקים, ואחרי זה ליותר ויותר . . . זה סוג-של Quad-Treeואתה שומר את הקפיצות על איזשהו חלק, אז כשאתה יודע . . . אתה לא חייב לעבור את החלק כדי לדעת - בכל מקרה אני חייב לעבור את החלק (Segment) הזה, מהכניסה הזאת - זה המחיר לכל היציאות, זה בגדול . . .וזה עכשיו יותר פופולרי . . . לשניהם יש את אותו . . . לא בעיה, כי אלו יתרונות וחסרונות - זה הרבה יותר מהיר ודי הרבה יותר זול, אבל אתה חייב להכניס “חלק מהאמת”, כלומר, את המחיר של כל צלע - זה חייב להיות חלק מהאימפלמנטציה (Implementation).ב-Congestion hierarchies, הסדר שבו את צריך את ה-Short-cuts נגזר מהמחירים של הצלעות - וגם ה-Shortcuts עצמם, אם אתה משנה את ה-Cost שלהם - יש מצב שמה שנשאר לא יהיה נכון.אז אתה מתחיל, ואתה חייב . . . אם אתה משנה את המחיר של איזושהי צלע, בגדול - אתה חייב לבנות את כל המפה מחדש.כש-Customizable Route Planning הוא קצת יותר טוב, יש סוגי Metrics שאתה יכול לשנות On-the-fly, אבל אתה לא יכול לעשות כל מה שבא לך . . .וב-Waze, אתה יכול . . . נגיד שמחר יש לנו פיצ'ר חדש: אתה מעדיף רחובות או כבישים שמתחילים באות ר' . . . אני מעדיף דברים שמתחילים באות ר' . . . אין בעיה - אני אעשה עוד Cost Function בתוך המערכת, כדי לתת איזשהו “Punch-up” למשהו שמתחיל ב”ר'” - זורם . . . כל דבר כזה.בגדול - זה בלתי אפשרי . . . ואנחנו החלטנו - זו החלטה מהמנכ”ל לשעבר, נעם ברדין, שישבנו ודיברנו על זה כמה פעמים - שהאופי של Waze זה הפרסונליזציה (Personalizing), וזה משהו שאנחנו מוכנים לשלם עליו יותר - כסף זה זמן, ואנחנו מוכנים לשלם יותר כדי לתת לך עוד טיפה יותר, מסלול יותר טוב.וזו אחת מהסיבות שאנחנו לא עושים את כל ה . . . זה אחד מההבדלים, הפוקוס על הנהג, לעומת לעשות דברים אחרים - זה נותן לנו את האפשרות לעשות ממש Drill-down לנהג, ועדיף לעשות את זה . . . [ואז החבר'ה של DeepMind שחררו את זה . . .](רן) אני סקרן האם אתם יכולים למדוד עד כמה לקוחות אוהבים את זה, או כמה לקוחות משתמשים בזה? לצורך העניין, אם לקחתם החלטה לא טובה במימוש של ה-Routing, האם אתם רואים את ה-Retention יורד? האם אתם רואים . . . האם אתם רואים החלטות כאלה מתבטאות בהתנהגות משתמשים?(חנוך) יש לנו Checking על זה, ולצערי אני לא יכול להכנס לזה . . . אבל ודאי שיש לנו Checking על זה.אנחנו מבינים אילו סוגי Routing ואילו סוגי תשובות אנשים שמחים איתם ואילו לאאנחנו בודקים את זה כל הזמן - גם פרואקטיבית - אם איזשהו מדד עולה אז מה קרה ואם יורד אז מה קרהוגם ראקטיבית - אנשים שולחים לנו באגים כל הזמן ואנחנו בודקים כמות לא קטנה של הבאגים ורואים אם יש משהו לא נכון.אני יכול להגיד שחלק מהדברים שאנחנו עושים זה עניין של אי-אפשר . . . לדוגמא: פה בישראל זה לא מעניין, אבל בברזיל, ששם יש לנו הרבה משתמשים, יש עניין סביב באיזה יום אתה יכול להכנס לעיר עם ה-License plate הנכון, וזה משהו שדורש שתיהיה לך מפה ייעודית עבורך . . . עם כל ה . . . זה פשוט Explosion of parameters אם אתה לא עושה את כולו, אחרי זה, גם לכל License plate.אז יש סוג של דברים שאנחנו יודעים שאנשים משתמשים [עבורו] בנו - בגלל שאנחנו ממשים פיצ'רים שאי אפשר לעשות בצורות אחרות.(רן) כן, אז זה מביא אותנו באמת לשאלות מעניינות על רגולציות . . . אז, למשל, ימים שבהם מותר להיכנס לאיזור או כמו שהזכרת License Plates שמותר להם להיכנס ביום א' וכאלה שמותר להם ביום ב', לפי האם זה זוגי או לא זוגי או כל שיטה אחרת . . . (אורי) אני חושב שבישראל הייתה בעיה של שטחים מסויימים, שלא רוצים ש . . .(רן) . . . זהו, אז למשל שטחים עירוניים, שכונות יחסית שקטות, שפתאום אולי נחיל של מכוניות עובר דרכן כי היה פקק באיזור . . . דרך אגב, אני מרגיש את זה כל מוצאי-שבת דרך העיר שלי - תמיד במוצאי-שבת מאוד עמוס . . . (חנוך) מצטער . . .(רן) לא, אני מניח שכל אפליקציית Routing אחרת גם הייתה עושה את זה . . . אז כן, למזלי זה יחסית על כבישים ראשיים אבל זה בהחלט מורגש . . .(חנוך) אז אני יכול לענות על זה שמבחינת רגולציות אנחנו . . . דווקא זו אחת החוזקות שלנו, שיש לנו Model מאוד מאוד גמיש לכל סוג רעיון חדש שמישהו יגיד, שעכשיו “רק רכב לבן בשעות זוגיות יכול להיכנס לפה” - אנחנו יכולים לתמוך בזה.ועוד הרבה דברים Hyper-localized כאלואבל מה שאמרת לגבי ישוב שקט - אנחנו בכוונה אומרים שהנהג יכול ללכת לכל מקום שמותר מבחינת החוק.אז אנחנו לא מכניסים, בשום מקום בעולם - לא בישראל, יש הרבה ביקוש לזה בקליפורניה - אנחנו לא מכניסים שום Restriction שלא מגיע מבחינה חוקיתאנחנו עונים כל הזמן לאנשים שזה מדאיג אותם, שהם יכולים לדבר עם פוליטיקאים ולדבר עם הממשלה שלכם שיעשו כאן איזשהו Restriction - ואנחנו נקבל אותו.ברגע שיש כזה חוק - נכבד אותו.(רן) כן, אז אתה אומר שזו לא בעיה לממש את זה, אבל אתם צריכים לקבל את ההנחיה מהרשות המקומית . . .(חנוך) לא רק שזו לא בעיה - אנחנו עושים את זה כל הזמןיש הרבה מקומות בעולם שיש בהם הוראות כאלו - אבל אנחנו לא יכולים לעשות את זה בשבילך . . . (רן) אתם לא מחוקקים, אתם . . . (חנוך) אנחנו לא רוצים להיות בעסק הזה . . . זה interest שלך יחד עם interest של הנהג, ואנחנו לא יכולים לענות.(אורי) יש לי שאלה . . . (חנוך) בבקשה . . .(אורי) בשביל זה אני פה . . . האם אתם מתייחסים לעובדה שמישהו מחליט שלא ללכת לפי ה-Route?(חנוך) כן . . . Compliance . . . מישהו שכל הזמן לא החליט אצלנו [כמו שהמלצנו) או סתם פעם אחת?(אורי) לא, הוא . . . נתת לו Route מסויים, והוא מחליט To Challenge - להגיד “אני חושב שיש דרך יותר קצרה” . . . השאלה היא - אתם לא יודעים, הרי, שהוא אמר “וואלה, ה-Waze הזה לא יודע, אני חושב שיש דרך יותר קצרה” - אתם פשוט רואים אותו סוטה מה-Route . . . אתה תעשה “Recalculating route”, אבל השאלה היא האם אתם מתייחסים לזה כאל סיגנל, זאת אומרת . . .(חנוך) לא ב-Real-time, אבל אנחנו כן בודקים - זאת אומרת שאנחנו בודקים . . .(אורי) לאו דווקא ב-Real time, השאלה היא האם אתם מסתכלים ומתייחסים אל זה כאל סיגנל של . . . (חנוך) . . . יש משהו שאנחנו אולי לא מכירים, כן.אנחנו עושים מחקר ongoing, אבל זה לא online בכלל - כי כשאנשים לא מקשיבים לנו, ובמקרים חריגים שהם צודקים, יש לנו מדד לזה, ואנחנו בודקים כל הזמן אחוז מסוים של זה - לראות מה קרה.אגב, ברוב הפעמים יש סיבה שאנחנו לא יכולנו לתקן - לדוגמא: יש פקק, שהוא [הנהג] לא היה צודק [קודם] - אבל עכשיו הוא צודק בגלל הפקק שנוצר.או שבמקרים רבים יש מקרה של משהו לא חוקי - עשה U-Turn לא חוקי . . . אז זה לא משהו שאפשר להגיד לו . . . (אורי) לא, אני לא מדבר על זה - אני מדבר באמת על המקרים האלה ש . . .(חנוך) אז כן - זה קורה, ואנחנו בודקים את זה.הקטע הוא שכל אחד משתמש ב-Waze כל היום - פעמיים ביום, שלוש פעמים ביום - ולא זוכר בכלל כש-Waze היה ממש על המספר הנכון, וזוכר את הפעם היחידה שהוא לקח שמאלה ו”עבד” על Waze קצת . . . זה יחסית חריג . . . אבל אנחנו כן בודקים את זה - וכל אחד זוכר את המקרה שזה קרה לו, אבל אנחנו כן עושים . . .(אורי) אתם משתמשים בזה כסיגנל כדי להשתפר? (חנוך) כן - אבל לא באופן אוטומטי.אנחנו בודקים את זה ולומדים מזה - ובמקרים רבים עושים תיקונים, כמו “שיפוצים” למערכת . . . אם הבנו שיש בזה איזשהו סוג של דבר שלא חשבנו עליו, אז לפעמים מתקנים את זהלפעמים לומדים שיש בעיה עם המפה - יש מצב שאנחנו אמרנו ככה בגלל שאנחנו חשבנו שהיציאה הזאת תיקח שתי דקות, ובפועל זה עשר שניות . . . וכשאנחנו רואים את זה, אז זה כן Online נכנס לתוך המערכת ואומר “או, וואו - אנחנו טעינו פה ואפשר לתקן את זה” - ועוד יום או יומיים זה כבר יתחיל להיכנס להיסטוריה.(רן) בוא נדבר רגע על ETA, כי המילה עלתה [ואיזה מתכנת בעולם לא אוהב שמדברים איתו על ETA? . . . ]אז אני לא יודע אם אתה זוכר, אבל אני חושב שלפני כמה שנים היה איזשהו בחור, אני חושב אמריקאי, שעשה עבודה מאוד יסודית והחליט שהוא משווה בין ה-ETAs השונים שצפים ב-Google Maps, ב-Waze ו-Apple Maps, אני חושב [ב-Reddit יש כמה Waze vs Google ETA, וכמובן ב-Hacker News] - ואני חושב, אם אני זוכר נכון, שהמסקנה שהוא הגיע אליה היא ש-Waze דרך כלל אופטימיסטית, זאת אומרת - נותן ETA קצת יותר קצר מה-ETA האמיתי, Google Maps קצת יותר פסימי ולא זוכר מה הוא אמר על Apple Maps . . . אבל בוא . . . (אורי) הוא בטח אמר שה-ETA של Apple נורא יפה . . . [1+](רן) מעוצב יפה . . . (חנוך) כן . . . (רן) אז איך מחשבים ETA? איך אתה יודע באמת כמה זמן הולכת לקחת נסיעה?(חנוך) אז יש כאן שתי שאלות, ואני אשמח לענות על שתיהן . . .אז הראשונה, לגבי התחרות הזו . . . זה מאוד שונה ממקום למקום, ואני זוכר את הבלוג-פוסט שהזכרת, והוא עשה את זה באיזשהו מסלול אחד שלו, על פני כמה ימים . . . יש מקומות שאנחנו יותר מדוייקים, יש מקומות שבהם GMM יותר מדויק ויש מקומות שבהם Apple Maps כנראה . . . לא יודע, לא מצאתי, אבל כנראה אפשר לראות.אני בטוח שבאיזור ה-Headquarters שלהם הם מאוד מדוייקים . . . [בנסיעה במעגל מסביב?]אבל את זה אני יכול להגיד בוודאות - הגרסא הנוכחית של Waze, של ה-ETA, היא לגמרי אחרת ממה שהייתה לפני שנתיים או לפני שלוש שנים, וגם של Google Maps - לחלוטין.אז אנחנו כל הזמן משפרים - כולנו, כל האפליקציות - כל הזמן משפרים את זה.עכשיו, אתה שואל מבחינת האופטימיות? אז יש לנו קצת בעית אופטימיות, אני אופטימיים בקצת יותר מדקה, בממוצע . . . זה לא משהו ענק, ואנחנו כן היינו יכולים פשוט לשנות ETA לעוד דקה - הקטע הוא שאנחנו לא יודעים איפה על המסלול לעשות את זה . . .אז אנחנו מנסים לתקן את זה, אבל יש לנו בעיית אופטימיות של כדקה . . .[שזה מעניין - כי מניסיון, כששולחים את המסלול למישהו כ-Share, לפחות בארץ, זה אכן תמיד מוסיף דקה על ה-ETA הנוכחי, ב-Total . . .](רן) עכשיו, זה נשמע די פשוט . . . זאת אומרת, מקודם דיברנו על מציאה של מסלול עם המחיר הנמוך ביותר, וכשאנחנו מדברים על מחיר אנחנו מדברים כמובן על זמן . . .(חנוך) לא, זה אשכרה לא . . . זה רק אחד מהמחיריםאנחנו רוצים לתת לך. . . אם זה היה רק זמן, אז היה ממש קל לדעת אם זה עבד לנו ומי יותר טוב וכל הדברים היו מאוד קלים.הקטע הוא ש-Route טוב הוא לא רק הכי מהיר . . . (רן) אתה יודע מה - בוא נחזור לשם עוד מעט, אבל שנייה נדבר על ה-ETA . . . בכל אופן, הגעתי למסלול, ועכשיו אני, כדי לחשב את הזמן שלו, פשוט סוכם את פרקי הזמן על המסלול . . .(חנוך) אפשר לעשות את זה, אבל יש כמה אתגרים פה - דבר ראשון זה שאם אתה עושה את זה אז זה לא הכי גרוע בעולם - הגרסאות הקודמות של Waze דווקא עשו דבר כזה, וזה עובד.הקטע הוא שיש עניין של Flow - זרימה בין הסגמנטים - ויש אינטראקציות בין זה שהייתי פה והייתי ברמזור ובעוד שני סגמנטים יש עוד רמזור, אבל אם עברתי את זה אז אני ודאי אעבור את השני בלי שזה יהיה אדום בשבילי [הנחה מאוד אופטימית על סינכרון הרמזורים בארץ . . . .](רן) “הגל הירוק”, כמו שקוראים לזה בישראל . . .(חנוך) בדיוק - אז אנחנו לא מודדים דווקא את זה, אבל יש לנו דרך למודל כללי למסלול עצמו.אז מה שקורה זה ש-*A חייב להיות מהיר - על כל צלע יש לנו, כמו שאמרתי, יש לך microSeconds בודדות כדי לבדוק אותו, ואתה חייב לבנות את המחיר של המסלול מאוד מהר.אחרי שיש לך מסלול - או כמה מסלולים, כמה אופציות או אלטרנטיבות - אתה יכול לעשות דברים יותר חזקים:אתה יכול להכניס משהו שלוקח כל מסלול ומבין בעצמו את ה-Flow שיש ממקום למקום - ויכול גם להביא עוד פיצ'רים, שלא קיימים במערכתכרגע אין לנו את זה, סתם - אנחנו אומרים שבגרסא X יהיה לנו מזג אוויר [אלון!], שאי אפשר להכניס לתוך ה-Routing עצמו, אבל אפשר אחרי זה . . .או שהיום יש שלג, אז אולי נחכה עוד כמה דקות . . . לא ידנית אלא דרך המודל.אנחנו בונים מודל שיכול לקחת את זה ולחדד את זה.בהכרח זה אומר שיש מצב שאם לא ידענו את זה על כל מסלול אפשרי, שיש אולי מסלול אחר שהיה מצליח בזה טיפה יותר - אבל מאוד נדיר למצוא את זה.בדרך כלל, עדיין - עם כל הנתונים האלה, באופן כללי, על כל המקומות - אם היה לנו את הזמן לעשות את זה לכולם, היינו נותנים פחות או יותר את אותו המסלול + ETA יותר מדויק.(רן) כן - אתה יוצא מתוך נקודת הנחה שאם שני מסלולים . . . זאת אומרת שאם אורך של מסלול אחד זה X ואורך של מסלול אחר זה Y, ו-X

This interview was recorded for the GOTO Book Club.http://gotopia.tech/bookclubJim Webber - Co-Author of "Graph Databases"Nicki Watt - CTO of OpenCredoDESCRIPTIONDiscover the amazing world of graph databases and how you can leverage graphs to understand your data with Jim Webber, co-author of "Graph Database" and Nicki Watt, CTO at OpenCredo. They'll take you on a journey that starts with the definition of graphs, walks you through case studies and highlights pitfalls.The interview is based on Jim's book "Graph Databases": https://amzn.to/3l7k8hjRead the full transcription of the interview here:https://gotopia.tech/bookclub/episodes/discover-graph-databasesRECOMMENDED BOOKSJim Webber • Graph Databases • https://amzn.to/3l7k8hjFree eBook version at https://graphdatabases.comhttps://twitter.com/GOTOconhttps://www.linkedin.com/company/goto-https://www.facebook.com/GOTOConferencesLooking for a unique learning experience?Attend the next GOTO conference near you! Get your ticket at http://gotopia.techSUBSCRIBE TO OUR YOUTUBE CHANNEL - new videos posted almost daily.https://www.youtube.com/user/GotoConferences/?sub_confirmation=1

Neo4j Graph Data Platform developer guide: https://neo4j.com/developer/graph-platform/Download Neo4j Desktop: https://neo4j.com/download/Neo4j Aura: https://neo4j.com/cloud/aura/Neo4j Aura free tier: https://neo4j.com/cloud/aura/free/Graph App gallery: https://install.graphapp.io/Documentation for building graph apps: https://neo4j.com/developer/graph-apps/building-a-graph-app/Neo4j Language drivers: https://neo4j.com/developer/language-guides/Neo4j GraphQL: https://neo4j.com/developer/graphql/Neo4j Bloom: https://neo4j.com/product/bloom/Neo4j Graph Data Science: https://neo4j.com/product/graph-data-science-library/Neo4j Connectors: https://neo4j.com/product/connectors/Neo4j Connector for Business Intelligence: https://neo4j.com/bi-connector/Neo4j Connector for Apache Spark: https://neo4j.com/developer/spark/Neo4j Connector for Apache Kafka: https://neo4j.com/labs/kafka/4.0/Neo4j Labs: https://neo4j.com/labs/APOC: https://neo4j.com/labs/apoc/Neosemantics: https://neo4j.com/labs/neosemantics/GRANDstack: https://grandstack.io/Neo4j Sandbox: https://neo4j.com/sandbox/ 00:00 - 01:54 Introduction01:54 - 10:44 History of Neo4j & The Evolution From Graph Database To Graph Platform10:44 - 16:29 Components of the Neo4j Graph Data Platform, Neo4j Database, & Graph Native16:29 - 21:34 Neo4j Desktop, Using Neo4j in the Cloud, & On-Prem21:34 - 27:11 Neo4j Browser & Low-Code Graph Apps27:11 - 32:40 Neo4j Language Drivers & Building APIs32:40 - 38:00 Graph Data Science, Analytics, & Visualization38:00 - 49:41 Neo4j Connectors & Neo4j Labs

Meet your hosts, Lju and Will as we preview a few of the topics coming up next on GraphStuff.FM

Show Notes(2:10) Dave talked briefly about his Electrical Engineering study at Rensselaer Polytechnic Institute back in the late 90s.(4:03) Dave commented on his career phase working as a software engineer across various companies in Bozeman, Montana.(7:38) Dave discussed his work as a senior architect and tech lead at Expero, a Houston-based startup that develops custom software exclusively for domain-expert users.(11:26) Dave briefly defined common big data frameworks (Hadoop, Apache Spark) and databases (Apache Cassandra, Apache Kafka).(13:37) Dave went over the challenges during his time as a chief software architect at Gene by Gene, a biotech company focusing on DNA-based ancestry and genealogy.(20:00) Dave shared the common patterns and anti-patterns of using graph databases (in reference to his talk “A Practical Guide to Graph Databases”).(26:16) Dave walked through the three categories of graph technologies: Graph Computing Engine, RDF TripleStore, and Labeled Property Graph (in reference to his talk “A Skeptics Guide to Graph Databases”).(33:03) Dave discussed his move to DataStax’s Global Graph Practice team as a solutions architect and graph database subject matter expert.(36:00) Dave explained the design of DataStax’s enterprise solution called Customer 360, which collapses data silos to drive business value.(41:16) Dave talked about his current experience as a Senior Graph Architect at AWS.(43:51) Dave mentioned the challenges while writing "Graph Databases In Action" (published last October).(47:25) Dave explained the open-source Apache TinkerPop framework and the Gremlin language used in the book for the uninitiated.(51:04) Dave discussed trends in big data and distributed systems that he is most excited about.(55:06) Closing segment.His Contact InfoWebsiteTwitterLinkedInGitHubHis Recommended Resources"Graph Databases In Action" (Associated Code Repository)Martin Fowler (Founder of ThoughtWorks)Martin Kleppmann (Author of "Designing Data-Intensive Applications")Andrew Ng (Professor at Stanford, Co-Founder of Google Brain and Coursera, Ex-Chief Scientist at Baidu)"Pragmatic Programmer" (by Andy Hunt and Dave Thomas)"The Five Dysfunctions Of A Team" (by Patrick Lencioni)"How To Observe Scientific Advice for Common Real-World Problems" (by Randall Munroe)This is the 40% discount code that is good for all Manning's products in all formats: poddcast19.These are 5 free eBook codes, each good for one copy of "Graph Databases In Action":gdadcr-E55Fgdadcr-B896gdadcr-8C53gdadcr-AAE1gdadcr-39F0

Show Notes(2:10) Dave talked briefly about his Electrical Engineering study at Rensselaer Polytechnic Institute back in the late 90s.(4:03) Dave commented on his career phase working as a software engineer across various companies in Bozeman, Montana.(7:38) Dave discussed his work as a senior architect and tech lead at Expero, a Houston-based startup that develops custom software exclusively for domain-expert users.(11:26) Dave briefly defined common big data frameworks (Hadoop, Apache Spark) and databases (Apache Cassandra, Apache Kafka).(13:37) Dave went over the challenges during his time as a chief software architect at Gene by Gene, a biotech company focusing on DNA-based ancestry and genealogy.(20:00) Dave shared the common patterns and anti-patterns of using graph databases (in reference to his talk “A Practical Guide to Graph Databases”).(26:16) Dave walked through the three categories of graph technologies: Graph Computing Engine, RDF TripleStore, and Labeled Property Graph (in reference to his talk “A Skeptics Guide to Graph Databases”).(33:03) Dave discussed his move to DataStax’s Global Graph Practice team as a solutions architect and graph database subject matter expert.(36:00) Dave explained the design of DataStax’s enterprise solution called Customer 360, which collapses data silos to drive business value.(41:16) Dave talked about his current experience as a Senior Graph Architect at AWS.(43:51) Dave mentioned the challenges while writing "Graph Databases In Action" (published last October).(47:25) Dave explained the open-source Apache TinkerPop framework and the Gremlin language used in the book for the uninitiated.(51:04) Dave discussed trends in big data and distributed systems that he is most excited about.(55:06) Closing segment.His Contact InfoWebsiteTwitterLinkedInGitHubHis Recommended Resources"Graph Databases In Action" (Associated Code Repository)Martin Fowler (Founder of ThoughtWorks)Martin Kleppmann (Author of "Designing Data-Intensive Applications")Andrew Ng (Professor at Stanford, Co-Founder of Google Brain and Coursera, Ex-Chief Scientist at Baidu)"Pragmatic Programmer" (by Andy Hunt and Dave Thomas)"The Five Dysfunctions Of A Team" (by Patrick Lencioni)"How To Observe Scientific Advice for Common Real-World Problems" (by Randall Munroe)This is the 40% discount code that is good for all Manning's products in all formats: poddcast19.These are 5 free eBook codes, each good for one copy of "Graph Databases In Action":gdadcr-E55Fgdadcr-B896gdadcr-8C53gdadcr-AAE1gdadcr-39F0

In this episode we will be talking with Yoann Maingon about graph database, Ganister PLM, and configuration management.

Fluree is a hitherto under the radar graph database that uses blockchain to support data lineage and verification. Learn all about Fluree, its origins and milestones, use cases, data integration and integrity, open source, and more Featuring Brian Platz, Fluree co-founder and co-CEO.  Article published on ZDNet

An airhacks.fm conversation with Sebastian Daschner (@daschners: Sebastian was introduced in airhacks.fm episode #2, and also appeared in episodes #31, #47 and #54) about: designing blog engines, pagination strategies, implementing a blog engine with Jakarta EE and MicroProfile, a modified Apache Roller, static page generators, using Quarkus instead of a web server, HTML, emmet and Visual Studio Code, AsciiDoc and Markdown, asciidoctorj on application servers, using git with jgit as storage, misusing Quarkus on GraalVM as a local, native app, file storage vs. databases, the Neo4j involvement, Neo4j on Quarkus, the advantages of a graph database, Object Graph Mapping (OGM) on Quarkus, running Quarkus on JVM in production, Quarkus in native mode as command line application, Graph Database vs. Document Databases, scaling Neo4j challenges, modelling the graph, types and dates as entities, entity relationship model (ERM), attributive relations in ERM, Neo4j cypher scripts, using Neo4j for blog implementation, the Neo4j browser, the remaining use cases for service meshes and istio, traffic management and authentication with istio, linkerd, istio, envoy, service mesh features could merge into kubernetes, observability MicroProfile Metrics vs. Istio metrics, service mesh metrics are a starting point, Neo4j with Quarkus, managing Neo4j transactions with JTA (Java Transaction API), Neo4j comes with great Spring support, Convention over Configuration in Java EE, Jakarta EE and MicroProfile, switching from Spring to Jakarta EE, jaxenter survey results, wad.sh and Java 11, continuous build and deployment, Quarkus startup times, Quarkus on RaspberryPi airhacks.fm podcast episode, reaction to Quarkus startup times on twitter, Java is performant and highly productive, Visual Studio Code comes with good Java experience, the maintainability of running plain kubernetes, IBM comes with IBM Kubernetes Service (IKS), OpenShift on IBM Cloud, IBM container registry, openJ9, Docklands: a collection of docker files, running Quarkus on openJ9 article, the Effective Developer Podcast, Sebastian Daschner on twitter: @daschners, Sebastian's blog: https://blog.sebastian-daschner.com

Learn the basics of what a Graph Database is and the type of function it plays in a Data Management Architecture. Watch the Video on YouTube Related Whitepapers: Data Detective Board Talk with a Specialist: intricity.com/intricity101 www.intricity.com youtube.com/intricity101

Molham Aref and Nathan Daly describe their experience using Julia to build a next-generation knowledge graph database that combines reasoning and learning to solve problems that have historically been intractable. They explain how Julia's unique features enabled them to build a high-performance database with less time and effort. Both Nathan and Molham with be speaking at JuliaCon 2020 at the end of July. It's free and online, so there's no reason not to attend. You can register for JuliaCon 2020 here: https://juliacon.org/2020/   0:00 Intro 1:25 RelationalAI 3:25 Advantages of Julia as a foundation 4:21 "Full stack" data science 5:38 Advantages of Julia in the tech stack 6:30 Technical requirements of RelationalAI 7:45 Advantages of Julia (cont.) 10:00 Data munging, preprocessing, and transparency 14:30 Advantages of Julia (cont.) 18:35 RelationalAI's Innovation 22:00 Data Analysis and taking computational efficiency for granted 23:38 Who are the users of RelationalAI? 25:45 What are "knowledge graphs"? 28:30 Knowledge graphs for AI and Software 2.0 32:43 Julia as "executable math" 34:10 "Multiple dispatch" in a nutshell 36:20 Julia in the scientific community 38:53 See Nathan and Molham again at JuliaCon 2020

Hoy echamos un primer vistazo a las bases de datos orientadas a grafos.

Neo4j, a popular graph database, is available as an open source product for anyone to download and use. Its enterprise product aimed at larger organizations is growing fast, but the company recognized there was a big market in between those two extremes, and today it introduced a new managed cloud service called Aura. They wanted something in the product family for smaller companies, says Emil Eifrem, CEO and co-founder at Neo4j .

One of the challenges in a (micro-)service landscape is to keep track of all capabilities in the services. Another is to keep track of the consumers of your service and the consumers beyond. Taking our IT landscape as an example: we work with over 120 teams on over 850 different applications varying from services, GUI's, services, data builders and other types of applications. In an environment like ours, it's crucial to understand what applications we have, what functionality they offer and who are working on them.What this episode coversIn the past, the list of applications was maintained on our confluence pages, by hand. Later, engineers integrated properties data to become more accurate and recently a team stood up to make it ‘spot on'. One single source of truth. It's called Software Parade.To keep track of these we use our Software Parade. It is created and maintained with a level of fun and enthusiasm that is contagious. If you listen to this episode, you can feel the level of passion for coding and create great solutions that radiate from those involved in shaping the Software Parade. So we think it is safe to say that this is a fun way to create an overview of hundreds of applications.Software Parade is created on a Graph Database. A Graph Database relies on Graph Theory to store, map and query nodes, edges (also called graphs or relations), and properties to these. Since for the task at hand, the relations or graphs between objects are very important a Graph Database seems a good choice. We choose Neo4j to build the Software Parade.GuestsKristel Nieuwenhuys; Architect with services and applications for our internal organisation in her portfolio. Besides that, she is the product owner of one of our webshop teams.Ronald Willems; Responsible for the IT Architecture within the department Customer Service and Financial Operations at Bol.com. So for example for the Intent recognition, we talked about a few episodes back.Notes

SHOW: 405DESCRIPTION: Aaron and Brian talk with Emil Eifrem, (@emileifrem, Founder/CTO @Neo4j) about the emergence of graph databases, common use-cases, and how developers are thinking about new ways to leverage graph databases. SHOW SPONSOR LINKS:Datadog Homepage - Modern Monitoring and AnalyticsTry Datadog yourself by starting a free, 14-day trial today. Listeners of this podcast will also receive a free Datadog T-shirtDigital Ocean HomepageGet Started Now and Get a free $50 Credit on Digital OceanGet 20% off VelocityConf passes using discount code CLOUDCLOUD NEWS OF THE WEEK:IBM closes acquisition of Red Hat ($34B)Cisco acquires Acacia (Optical Networking - $2.6B)Google Cloud acquires Elastifile ($200M)Microsoft and ServiceNow announce strategic partnershipMicrosoft joins hospital chain Providence to build “hospital of the future”SHOW INTERVIEW LINKS:Neo4j HomepageNeo4j Open SourceSHOW NOTES:Topic 1 - Welcome to the show. You’ve been the CEO of Neo4j for over a decade now. How has the landscape around application-usage of data changed in the most significant ways? Topic 2 - For many decades, most data-centric applications were built around Relational Databases (SQL Databases). These days, application patterns and use-cases have expanded significantly. How do graph databases fit into these new trends? Topic 3 - With all the new patterns emerging, there are both business reasons and technical reasons for choosing the right database platform. How do you find the business-level thought process happening (contributing, influencing) around platform choice? How do you find the technical-level thought process happening (contributing, influencing) around platform choice?Topic 4 - Every company that’s involved with the commercialization of open source projects is trying to figure out the best way to manage a portfolio between OSS, software offerings and cloud offerings. How does Neo4j think about that balance? Topic 5 - Getting developer momentum and mass around a set of patterns is critical. How does Neo4j think about enabling developers, and what are some of the things you’ve done to accelerate their success and consistent learning? FEEDBACK?Email: show at thecloudcast dot netTwitter: @thecloudcastnet and @ServerlessCast

Emil Eifrem is the Co-founder and CEO of Neo4j, a category-defining graph database platform powering applications for artificial intelligence, fraud detection, real-time recommendations, and master data. In this episode, Emil identifies key questions entrepreneurs must ask in the emerging era of public cloud software. Transcript Intro Michael Schwartz: Welcome back, Underdogs. This week, we’re lucky...

Hey Nerds, Geeks, and Ziglets out there. Today’s show is covering Intent Based Networking, its a market term, a sales term, and potentially much more but before we start lets introduce our guest expert, my good friend Phil Gervasi. The post ZNDP 42 – Intent Based Networking appeared first on Zigbits - Where Zigabytes are faster than Gigabytes.

Links from the digest: You want AI with that? McDonald's latest tech gambit gets highly personal ‘Streaming data, but screaming staff!' – Ciena turns to Graph to solve customer issues Adobe Summit 2019 analysis – CX hype is countered by Chegg's digital turnaround story

ขอแนะนำเทคโนโลยีสำหรับการวิเคราะห์ข้อมูลด้วยเทคโนโลยี Graph Analytics และแนะนำเทคโนโลยี Graph Database ว่ามีประโยชน์อย่างไร มีตัวอย่างการใช้งานอะไรบ้าง และแนวทางการศึกษาเพิ่มเติม

In this episode, William Lyon joins us to talk about Neo4j usage with GraphQL. We discuss what Neo4j is, how it works, how the database integrates with GraphQL, & how to get started with the technologies.

Podcast Interview with JEP, the Graph Database by The Neo4j Graph Database Community

When do you need to use a graph database? What kinds of applications can benefit from using a graph-based approach? In this session, learn how customers are using graph databases to accomplish use cases from knowledge graphs to recommendations to network security. Hear how PricewaterhouseCoopers (PWC) is using graph-based approaches with Amazon Neptune and partners to build new applications. See how Tom Sawyer Software helps to visualize Amazon Neptune graphs.

Distributed Data Show Episode 70: Adding a Graph Database to Legacy Applications See omnystudio.com/listener for privacy information.

Blockchain technologies are changing the way we think about data archival and storage. For instance, most database systems can only capture the current state of a data set. This means we must rely on secondary backup systems to ensure historical data can remain accessible, a stark contrast from what the most basic of blockchains provide out of the box. Database systems that offer immutability and historical context for data would be greatly beneficial for companies as it would make internal and external audits much less costly and time-intensive. We’re delighted to bring you an interview with Flip Filipowski and Brian Platz. Flip is a veteran entrepreneur whose career spans 50 years, having worked for and founded some of the world’s largest software companies of the 80’s and 90’s. He is also the CEO of SilkRoad Equity and a Founding Partner of Tally Capital. Brian’s background includes having founded A List Appart in 1994, which is among the oldest and most influential web development blogs, and SilkRoad Technologies. Flip and Brian join us to talk about their new company, Fluree. Their product, FlureeDB, is a scalable graph database which provides the benefits of blockchain technologies, such as immutability, replayability and fault tolerance. Currently, in development, the goal for FlureeDB is to support various consensus rules based on the network configuration: private systems, federated (or consortium) clusters, and fully decentralized public networks. Topics covered in this episode: Flip and Brian’s respective backgrounds and entrepreneurial ventures How blockchain will disrupt most major companies that exist today FlureeDB and the problem it is trying to solve How FlureeDB improves compliance procedures for enterprise How FlureeDB can address some of the challenges ahead with regards to GDPR FlureeDB’s technical infrastructure and elementary components The different consensus modes and scalability properties of FlureeDB Why they chose to structure the company as a Public Benefit Corporation FlureeDB’s development roadmap Episode links: Fluree Website FlureeDB Whitepaper Blockchain, Meet Database This episode is hosted by Sébastien Couture. Show notes and listening options: epicenter.tv/216

Michael Ludwig is a Data Solution Architect at Microsoft, where he works on Machine Learning, Big Data and Blockchain applications on the Azure platform. Prior to joining Microsoft, Michael worked at Silver Bay, designing and optimizing geographical and financial statistical analysis solutions (mostly regression analysis and clustering). Before that, he was a database architect and then the lead systems architect of a multi-tenant cloud-based Internet-of-Things application for LogicPD, in Minneapolis. Interviewer: Rajib Bahar, Shabnam Khan Agenda: RB - What is the purpose of a graph database? Why do we use it? SB - Does GoogleMap use graph databases in it's application? RB - What are the major Graph Systems out there? How does Apache Gremlin fit into that? SB - SQL Server 2017 has support for graph table.How do you implement it? RB - How is this similar or dis-similar to graph computing solution implemented in vendor agnostic tools such as Apache Tinker pop? SB- Who can be involved in coding community of TinkerPop? RB - How do we connect with you professionally? Music: www.freesfx.co.uk

Neo Technology is the creator of Neo4j, the world’s leading graph database. Neo4j is a highly scalable native graph database that leverages data relationships as first-class entities to help companies build intelligent applications that meet today’s evolving connected data challenges including fraud detection, real-time recommendations, master data management, network security and IT operations. Global enterprises like Walmart, UBS, Cisco, HP, Adidas Group and Lufthansa and hot startups like Medium, Qualia and Glowbl rely on Neo4j to harness the connections in their data. With $36M in new funding secured last year, Graph Databases are rapidly becoming an enterprise standard. Guest Info  Jeff Morris is the head of product marketing at Neo Technology, helping enterprise customers see their world as "graphs" through the connections and relationships they hold with customers, processes, systems and data assets.  

02:24 - Dann Toliver Introduction Twitter GitHub Bento Miso 02:35 - Matt Asher Introduction Twitter GitHub Blog 02:51 - EveryBit.js and I.CX [GitHub] everybit.js EveryBit.js Whitepaper 03:43 - Architecture Episode #135: Smallest Federated Wiki with Ward Cunningham 06:54 - Sustainability and The Pieces of the System Content “Puffs” Authentication Storage Firebase Distributed Hash Table (DHT) The Chord Algorithm (Peer-to-Peer) 21:56 - Decentralization Space Monkey Madesafe 25:20 - Audience: Why Should I Care? 27:38 - Getting Started: Nuts and Bolts Frontend Agnostic Storage and Performance Users and Data Management Payload Properties Metadata Graph Database Adding New Relationships Adding Heuristics Resource Allocator Component Local Storage RAM 34:55 - Scaling and Server Cost 36:23 - Cloud Storage and Management (Security & Trust) HTTPS SSL Model GPG Model “Proof of Presence” "Self-verifying" Namecoin Project 47:22 - Implementing Cryptographic Primitives bitcoinjs-lib     Key Management Cryptography OAuth 55:13 - The Firefox Sync Tool Project Picks [Twitch.tv] Kylelandrypiano (Jamison) "Visualizing Persistent Data Structures" by Dann Toliver (Jamison) Probability and Statistics Blog (Jamison) Seeed Studio (Tim) Adafruit Industries (Tim) SparkFun Electronics (Tim) American Sniper by Chris Kyle, Scott McEwen, and Jim DeFelice (Chuck) Introducing Relay and GraphQL (Dann) The Clojurescript Ecosystem (Dann) Read-Eval-Print-λove (Dann) React Native (Matt)

02:24 - Dann Toliver Introduction Twitter GitHub Bento Miso 02:35 - Matt Asher Introduction Twitter GitHub Blog 02:51 - EveryBit.js and I.CX [GitHub] everybit.js EveryBit.js Whitepaper 03:43 - Architecture Episode #135: Smallest Federated Wiki with Ward Cunningham 06:54 - Sustainability and The Pieces of the System Content “Puffs” Authentication Storage Firebase Distributed Hash Table (DHT) The Chord Algorithm (Peer-to-Peer) 21:56 - Decentralization Space Monkey Madesafe 25:20 - Audience: Why Should I Care? 27:38 - Getting Started: Nuts and Bolts Frontend Agnostic Storage and Performance Users and Data Management Payload Properties Metadata Graph Database Adding New Relationships Adding Heuristics Resource Allocator Component Local Storage RAM 34:55 - Scaling and Server Cost 36:23 - Cloud Storage and Management (Security & Trust) HTTPS SSL Model GPG Model “Proof of Presence” "Self-verifying" Namecoin Project 47:22 - Implementing Cryptographic Primitives bitcoinjs-lib     Key Management Cryptography OAuth 55:13 - The Firefox Sync Tool Project Picks [Twitch.tv] Kylelandrypiano (Jamison) "Visualizing Persistent Data Structures" by Dann Toliver (Jamison) Probability and Statistics Blog (Jamison) Seeed Studio (Tim) Adafruit Industries (Tim) SparkFun Electronics (Tim) American Sniper by Chris Kyle, Scott McEwen, and Jim DeFelice (Chuck) Introducing Relay and GraphQL (Dann) The Clojurescript Ecosystem (Dann) Read-Eval-Print-λove (Dann) React Native (Matt)

02:24 - Dann Toliver Introduction Twitter GitHub Bento Miso 02:35 - Matt Asher Introduction Twitter GitHub Blog 02:51 - EveryBit.js and I.CX [GitHub] everybit.js EveryBit.js Whitepaper 03:43 - Architecture Episode #135: Smallest Federated Wiki with Ward Cunningham 06:54 - Sustainability and The Pieces of the System Content “Puffs” Authentication Storage Firebase Distributed Hash Table (DHT) The Chord Algorithm (Peer-to-Peer) 21:56 - Decentralization Space Monkey Madesafe 25:20 - Audience: Why Should I Care? 27:38 - Getting Started: Nuts and Bolts Frontend Agnostic Storage and Performance Users and Data Management Payload Properties Metadata Graph Database Adding New Relationships Adding Heuristics Resource Allocator Component Local Storage RAM 34:55 - Scaling and Server Cost 36:23 - Cloud Storage and Management (Security & Trust) HTTPS SSL Model GPG Model “Proof of Presence” "Self-verifying" Namecoin Project 47:22 - Implementing Cryptographic Primitives bitcoinjs-lib     Key Management Cryptography OAuth 55:13 - The Firefox Sync Tool Project Picks [Twitch.tv] Kylelandrypiano (Jamison) "Visualizing Persistent Data Structures" by Dann Toliver (Jamison) Probability and Statistics Blog (Jamison) Seeed Studio (Tim) Adafruit Industries (Tim) SparkFun Electronics (Tim) American Sniper by Chris Kyle, Scott McEwen, and Jim DeFelice (Chuck) Introducing Relay and GraphQL (Dann) The Clojurescript Ecosystem (Dann) Read-Eval-Print-λove (Dann) React Native (Matt)

Scott talks via Skype to Haixun Wang at Microsoft Research Asia about Trinity: a distributed graph database and computing platform. What is a GraphDB? How is it different from a traditional Relational DB, a Document DB or even just a naive in-memory distributed data structure? Will your next database be a graph database?