Feature store usando Feast
Para garantir um desenvolvimento eficaz ao longo do ciclo de vida de Machine Learning, é importante manter registros detalhados e completos dos recursos. Feature stores e registries de modelos são exemplos úteis de registros de recursos nas fases de pré-modelagem e modelagem. Neste exercício, você vai implementar um feature store usando o Feast. A Entity predefinida patient, assim como as features cp, thalach, ca e thal, já foram carregadas para você. ValueType, FeatureStore e FileSource foram importados de feast. heart_disease_df também foi importado.
Este exercício faz parte do curso
Machine Learning de ponta a ponta
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
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",
)