Feature Store
데이터 플랫폼과 MLOps 프레임워크를 함께 설계한 첫 번째 특성 저장소
데이터 팀은 이제 새로운 특성을 생성하고, 기존 특성을 탐색 및 재사용하고, 레이턴시가 짧은 온라인 스토어에 특성을 게시하고, 학습 데이터 세트를 구축하고, 배치 추론을 위한 특성 값을 검색할 수 있습니다.
재사용 가능한 자산으로서의 특성
특성 레지스트리는 모든 특성, 관련 정의, 원본 데이터 및 소비자에 대한 검색 가능한 기록을 제공하여 팀 간 재작업을 크게 줄여 줍니다. 데이터 사이언티스트, 애널리스트 및 ML 엔지니어는 가공되지 않은 사용 데이터를 기반으로 특성을 검색하고 직접 사용하거나 기존 특성을 포크할 수 있습니다.
학습 및 서빙을 위한 일관된 특성
특성 공급자는 두 가지 모드로 특성을 제공합니다. 배치 모드는 ML 모델 학습 또는 배치 추론을 위해 고처리량 특성을 제공합니다. 온라인 모드는 ML 모델을 서빙하거나 BI 애플리케이션에서 동일한 특성을 사용할 수 있도록 짧은 레이턴시로 특성을 제공합니다. 모델 학습에 사용되는 특성은 모델과 함께 자동으로 추적되며, 모델 추론 중에 모델 스스로 특성 저장소에서 직접 검색합니다.
기본 내장 거버넌스를 사용한 특성 보호
특성 저장소 통합은 특성을 컴퓨팅하는 데 사용되는 데이터의 전체 계보를 제공합니다. 특성에는 적절한 수준의 보안을 위해 연결된 ACL이 있습니다. MLflow와 통합하면 특성이 ML 모델과 함께 저장되므로 학습과 서빙 시간 간의 드리프트를 제거할 수 있습니다.
리소스
가상 이벤트
