feast-dev/feast

何を解決するか

Feastは機械学習の特徴量を中央集権的に管理する方法を提供し、オフライン学習データとオンラインサービングデータのギャップを埋めます。学習中のデータ漏洩の問題を解決するために、時系列の正確性を保証し、新しいモデルごとに複雑なデータ取得ロジックを再構築する必要をなくします。

動作方法

Feastは、機械学習モデルと下位のデータインフラストラクチャを分離するデータアクセスレイヤーとして機能します。主に以下の3つのコンポーネントを管理します：

• オフラインストア：バッチスコアリングやモデル学習用の履歴データを処理します。
• オンラインストア：リアルタイム予測用の低遅延ストレージシステムです。
• 特徴量サーバー：事前に計算された特徴量をモデルにオンラインで提供する、実績のあるサーバーです。

ユーザーはリポジトリ内で特徴量を定義し、Feast SDKを使用して学習データセット用の履歴特徴量を取得するか、リアルタイム推論用のオンライン特徴量を取得します。

対象ユーザー

AWS、GCP、Snowflakeなどのさまざまなクラウドプロバイダーおよびデータソースで、分析データをモデル学習およびオンライン推論に本番化する必要があるMLプラットフォームチームやデータサイエンティスト。

主な特徴

• 時系列の正確性：正しい履歴特徴量セットを生成することで、データ漏洩を防止します。
• 広範な統合：Redis、DynamoDB、BigQuery、Snowflake、QdrantやMilvusなどのベクトルストアを含む、多数のオフラインおよびオンラインストアをサポートします。
• クロスプラットフォームサービング：Python、Go、Javaでの特徴量サーバーを提供します。
• 特徴量エンジニアリング：オンデマンドおよびストリーミング変換をサポートします。
• データ品質：組み込みのメトリクス、ドリフト検出、サービングログモニタリングを備えています。