![Feature Store Architecture](/en-website-assets/static/d4c3fbb5da309e530247fec1b9e37283/feature-store-img-21660758008.png)
Feature Store を利用することで、新しい特徴量の作成、既存の特徴量の探索と再利用、低レイテンシのオンラインストアへの特徴量の公開、トレーニングデータセットの構築、バッチ推論のための特徴量値の取得ができます。
![feature-store-img-31660758008](/en-website-assets/static/f5972d32b51a89cfa93175bfd38b5d7e/feature-store-img-31660758008.png)
再利用可能な資産としての特徴量
特徴量レジストリは、あらゆる特徴量、関連する定義、ソースデータ、コンシューマの検索可能なレコードを提供し、チーム間での大幅な手戻りを排除します。データサイエンティスト、アナリスト、ML エンジニアは、消費された未加工データに基づいて特徴量を検索し、その特徴量を直接使用するか、既存の特徴量を複製して新しいバージョンを作成できます。
![feature-store-img-41660758008](/en-website-assets/static/42d8bfabe54f3cdfb0cf622b66e15a16/feature-store-img-41660758008.png)
一貫性のある特徴量をトレーニングとサービングに提供
Feature Provider は 2 つのモードで特徴量を提供します。バッチモードは、ML モデルのトレーニングやバッチ推論のために高いスループットで特徴量を提供します。オンラインモードは、ML モデルや BI アプリケーションで同じ特徴量を利用するために、低レイテンシで特徴量を提供します。モデルのトレーニングで使用される特徴量は、モデルとともに自動的に追跡され、モデルの推論時には、モデル自身が特徴量ストアから特徴量を直接取得します。
![feature-store-img-51660758008](/en-website-assets/static/588af9f2cb29c3fbca3d01fb4b1d4d97/feature-store-img-51660758008.png)
ビルトインのガバナンスによるセキュアな特徴量
Feature Store の統合により、特徴量の計算に使用され るデータの完全なリネージが提供されます。特徴量には関連する ACL が設定され、適切なレベルのセキュリティが保証されます。MLflow との統合により、特徴量が ML モデルと一緒に保存されるため、トレーニング時とサービング時のドリフトがなくなります。
リソース
オンラインイベント
![Virtual Event: Building Machine Learning Platforms](/en-website-assets/static/bac589c70150bc5926aa942d1f84e6ec/feature-store-61715972101.jpg)