Feature Store e inferencia en línea

Databricks Feature Store proporciona un repositorio centralizado que permite a los científicos de datos encontrar y compartir features, y también garantiza que se utilice el mismo código para calcular los valores de las features en el entrenamiento y la inferencia del modelo.

Databricks Feature Store resuelve la complejidad de manejar grandes conjuntos de datos a escala para el entrenamiento y datos pequeños para la inferencia en tiempo real, lo que acelera a su equipo de ciencia de datos con las mejores prácticas.

En este demo, cubriremos todas las capacidades de Feature Store y Online Table en un conjunto de tres notebooks. Cada notebook presentará nuevas capacidades:

• Tablas de búsqueda de Feature Store en Unity Catalog
• Aproveche Databricks AutoML para crear un modelo de forma programática.
• Usa búsquedas puntuales en el tiempo para evitar la fuga de datos.
• Agrega una tabla de streaming para actualizar tus features en tiempo real
• Implemente un almacén en línea para la inferencia en tiempo real
• Agregue Feature Spec para calcular features en tiempo real a través de la función de Unity Catalog
• Implementa tu modelo como un extremo de entrega sin servidores.

Para instalar el demo, obtén un espacio de trabajo gratuito de Databricks y ejecuta los siguientes dos comandos en un notebook de Python

Dbdemos es una biblioteca de Python que instala demos completos de Databricks en sus espacios de trabajo. Dbdemos cargará e iniciará notebooks, pipelines de DLT, clústeres, dashboards de Databricks SQL, modelos de warehouse… Consulte cómo usar dbdemos

Dbdemos se distribuye como un proyecto de GitHub.

Para obtener más detalles, consulte en GitHub el archivo README.md y siga la documentación.
Dbdemos se proporciona tal cual. Consulte la Licencia y el Aviso para obtener más información.
Databricks no ofrece soporte oficial para dbdemos ni para los activos asociados.
Si tiene algún problema, abra un ticket y el equipo de demostraciones lo revisará en la medida de lo posible.