Présentation de Feature Views
Traduit de l'original anglais par IA. Voir en anglais
Databricks a introduit Feature Views, un framework managé qui permet aux praticiens de définir une feature de ML une seule fois dans Unity Catalog et de l'utiliser de manière cohérente pour l'entraînement, l'inférence par lots et le serving en temps réel. Cette version élimine le décalage entre entraînement et serving (training-serving skew) ainsi que la gestion complexe des infrastructures, permettant aux utilisateurs de mettre rapidement en production des features en quelques appels API et de servir des features en streaming avec une latence p99 de bout en bout de 200 ms.
* De quoi s'agit-il : Feature Views est un framework managé permettant de définir une feature de ML une fois et de l'utiliser partout — la même définition alimente les données historiques pour l'expérimentation et l'entraînement, ainsi que les pipelines de production pour l'inférence par lots ou en temps réel. * Le défi résolu : La mise en production du ML en temps réel. Expérimentez des features dans un notebook, puis mettez-les rapidement en production en quelques appels API. Éliminez le décalage entre entraînement et serving, le code de feature dupliqué et les infrastructures fragiles de streaming et d'online store gérées en propre qui rendent le ML difficile à mettre à l'échelle. * Le résultat : Les features deviennent des objets gouvernés dans Unity Catalog, matérialisés par des pipelines managés, avec des features en streaming servies à une latence p99 de bout en bout de 200 ms.