发布于 : Oct 26, 2022
不在本期内容中
这一条目不在当前版本的技术雷达中。如果它出现在最近几期中，那么它很有可能仍然具有相关参考价值。如果这一条目出现在更早的雷达中，那么它很有可能已经不再具有相关性，我们的评估将不再适用于当下。很遗憾我们没有足够的带宽来持续评估以往的雷达内容。
了解更多
Oct 2022
Trial
值得一试。了解为何要构建这一能力是很重要的。企业应当在风险可控的前提下在项目中尝试应用此项技术。
Feast 是一个用于机器学习的开源 Feature Store 。它具有几个有用的特性，包括生成时间点 (point-in-time) 正确的特征集——以避免在训练时将容易出错的未来特征值泄露给模型——以及支持流数据源与批数据源。然而，它目前仅支持具有时间戳的结构化数据，因此，如果你在模型中处理非结构化数据，那么 Feast 可能并不适用。我们已成功地大规模采用 Feast 作为模型训练时的离线存储与预测时的在线存储。
