Feature store ด้วย Feast

เพื่อให้การพัฒนาตลอด machine learning lifecycle มีประสิทธิภาพ การบันทึกและจัดเก็บข้อมูลทรัพยากรอย่างละเอียดและครบถ้วนถือเป็นสิ่งสำคัญ Feature store และ model registry เป็นตัวอย่างของการบันทึกทรัพยากรที่มีประโยชน์ในช่วงก่อนการสร้างโมเดลและช่วงสร้างโมเดล ในแบบฝึกหัดนี้ จะได้ลองสร้าง feature store โดยใช้ Feast โดย Entity ชื่อ patient รวมถึง feature cp, thalach, ca และ thal ถูกโหลดไว้ให้แล้ว นอกจากนี้ ValueType, FeatureStore และ FileSource ถูก import มาจาก feast และ heart_disease_df ก็ถูก import ไว้ให้เรียบร้อยแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning แบบ End-to-End

ดูคอร์ส

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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",
)

แก้ไขและรันโค้ด