Feast로 구성하는 Feature Store

Machine Learning 라이프사이클 전반에서 효과적으로 개발하려면, 리소스를 자세하고 포괄적으로 기록하는 일이 중요합니다. Feature store와 model registry는 모델링 이전 단계와 모델링 단계에서 유용한 리소스 기록 예시입니다. 이 연습에서는 Feast를 사용해 feature store를 구현해 보겠습니다. 미리 정의된 patient 엔터티(Entity)와 cp, thalach, ca, thal 피처가 로드되어 있습니다. ValueType, FeatureStore, FileSource는 모두 feast에서 가져왔습니다. heart_disease_df도 가져와 두었습니다.

이 연습은 강의의 일부입니다

엔드 투 엔드 Machine Learning

강의 보기

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

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",
)

코드 편집 및 실행