Feature store con Feast
Para garantizar un desarrollo eficaz a lo largo del ciclo de vida de Machine Learning, es importante mantener registros detallados y completos de los recursos. Los feature stores y los model registries son ejemplos útiles de estos registros en las fases previas al modelado y durante el modelado. En este ejercicio, vas a implementar un feature store usando Feast. La Entity predefinida patient, así como las características cp, thalach, ca y thal, ya han sido cargadas por ti. ValueType, FeatureStore y FileSource están importados de feast. También se ha importado heart_disease_df.
Este ejercicio forma parte del curso
Machine Learning de extremo a extremo
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
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",
)