특성의 정의와 조회
Python SDK로 특성과 개체 및 원천을 정의하고 저장소에 값을 읽거나 쓴다. 특성을 사용하는 모델은 공통 접근 계층을 통해 자료를 가져오므로 실제 저장 기반과 조회 방식을 나누어 관리할 수 있다.
학습과 추론의 서로 다른 요구
학습에는 과거 시점의 특성 자료가 필요하고 온라인 예측에는 빠르게 조회할 특성 값이 필요하다. Feast는 이 두 경로를 오프라인과 온라인 저장소에 연결해 학습과 서비스에 특성을 제공한다.
시점에 맞는 학습 자료
과거 예측 시점에 알 수 있었던 특성 값을 연결하는 시점 일치 자료 집합을 생성한다. 미래의 특성 값이 학습 자료에 섞이는 일을 줄이는 데 필요한 기능이다. 실제 특성 값의 생산은 상위 자료 처리 파이프라인과 함께 구성한다.
관련 문서
MLflow / DVC 데이터 버전 관리 / dbt 데이터 변환 / Apache Airflow / 기계학습 / 데이터베이스