Qualquer sistema computacional precisa representar de forma apropriada o domínio em que é empregado e deve sempre ser baseado em metas e objetivos fundamentais. Projetos de aprendizagem de máquina (ML) não são diferentes. Engenharia de Características é um aspecto crucial da engenharia e do projeto de sistemas computacionais de ML. Feature Store é um conceito de arquitetura relacionado, voltado para facilitar a identificação, descoberta e monitoramento de características pertinentes a um dado domínio ou problema do negócio. Implementar esse conceito envolve uma combinação de projeto arquitetônico, engenharia de dados e gerenciamento de infraestrutura, para criar um sistema de ML escalável, eficiente e confiável. No que diz respeito a ferramentas, é possível encontrar desde plataformas de código aberto até ofertas totalmente administradas, mas elas são apenas parte desse conceito. No projeto de sistemas de ML de ponta a ponta, implementar um armazém de características ajuda nas seguintes áreas: a habilidade de (1) definir as características corretas; (2) melhorar a reusabilidade e tornar as características disponíveis de forma consistente, independente do tipo de modelo, o que também inclui criar pipelines de engenharia de características, para curar os dados descritos no feature store; (3) permitir a descoberta de características e (4) permitir oferecimento de características. Nossas equipes se valem de Feature Store em produção para colher esses benefícios para sistemas de ML de ponta a ponta.
Feature Store é uma plataforma de dados específica de aprendizado de máquina que aborda alguns dos principais desafios enfrentados hoje pela engenharia de recursos, por meio de três capacidades fundamentais: (1) uso de pipelines de dados gerenciados para remover dificuldades de pipelines conforme novos dados chegam; (2) catalogação e armazenamento de dados de recursos para promover descoberta e colaboração de recursos entre modelos; (3) veiculação de dados de recursos de maneira consistente durante o treinamento e a interferência.
Desde que o Uber revelou sua plataforma Michelangelo, muitas organizações e startups criaram suas próprias versões de lojas de recursos. Exemplos incluem Hopsworks, Feast e Tecton. Vemos potencial na Feature Store e recomendamos que você a avalie cuidadosamente.
