Feature store pomocí Feast
Aby byl vývoj v průběhu celého životního cyklu strojového učení efektivní, je důležité udržovat podrobné a komplexní záznamy o zdrojích. Feature stores a model registry jsou příklady užitečných záznamů zdrojů ve fázích před modelováním a během modelování. V tomto cvičení implementuješ feature store pomocí Feast. Předdefinovaná entita patient a příznaky cp, thalach, ca a thal jsou už načteny. ValueType, FeatureStore a FileSource jsou importovány z feast. K dispozici máš také heart_disease_df.
Toto cvičení je součástí kurzu
Strojové učení od začátku do konce
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
heart_disease_df.to_parquet("heart_disease.parquet")
# Point File Source to the saved file
data_source = ____(
path=____,
event_timestamp_column="timestamp",
created_timestamp_column="created",
)