Direkt zum Hauptinhalt

Feature-Store

Der erste Feature Store, der gemeinsam mit einer Datenplattform und einem MLOps-Framework entwickelt wurde

feature-store-img-1
Feature Store Architecture

Geben Sie Datenteams die Möglichkeit, neue Features zu erstellen, vorhandene zu erkunden und wiederzuverwenden, Features in Online Stores mit geringer Latenz zu veröffentlichen, Trainings-Datasets zu erstellen und Feature-Werte für Batch-Inferenz abzurufen.

feature-store-img-3

Features als wiederverwendbare Assets

Feature Registry bietet eine durchsuchbare Aufzeichnung aller Features, ihrer zugehörigen Definitionen, Quelldaten und ihrer Konsumenten, wodurch erhebliche Nacharbeiten zwischen den Teams entfallen. Data Scientists, Analysts und ML Engineers können anhand der konsumierten Rohdaten nach Features suchen und Features entweder direkt verwenden oder vorhandene Features forken.

feature-store-img-4

Konsistente Features für Training und Bereitstellung

Feature Provider stellt die Features in zwei Modi bereit. Der Batch-Modus bietet Features mit hohem Durchsatz für das Training von ML-Modellen oder Batch-Inferenz. Der Online-Modus bietet Features mit geringer Latenz für die Bereitstellung von ML-Modellen oder für die Nutzung derselben Features in BI-Anwendungen. Im Modelltraining verwendete Features werden automatisch mit dem Modell verfolgt und während der Modellinferenz ruft das Modell selbst sie direkt aus dem Feature Store ab.

feature-store-img-5

Sichere Features mit integrierter Governance

Feature Store-Integrationen stellen die vollständige Herkunft der Daten bereit, die für Compute-Features verwendet werden. Features verfügen über zugeordnete ACLs, um das richtige Maß an Sicherheit zu gewährleisten. Durch die Integration mit MLflow wird sichergestellt, dass die Features zusammen mit den ML-Modellen gespeichert werden, wodurch Abweichungen zwischen dem Training und der Bereitstellungszeit vermieden werden.

Ressourcen

Virtuelle Veranstaltung

feature-store-6

Möchten Sie loslegen?