Feast を使った Feature Store
Machine Learning のライフサイクル全体で効果的に開発を進めるには、リソースの詳細で網羅的な記録を維持することが重要です。前処理やモデリングの段階では、Feature Store や Model Registry が有用なリソース記録の例です。この演習では、Feast を使って Feature Store を実装します。あらかじめ patient エンティティと、cp、thalach、ca、thal の各 Feature が読み込まれています。ValueType、FeatureStore、FileSource はすべて feast からインポート済みです。heart_disease_df もインポートされています。
この演習はコースの一部です
End-to-End Machine Learning
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
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",
)