進階預覽
ML Feature Store
為像 Uber 這樣的公司設計一套 ML feature store，讓同一份特徵同時供給離線模型訓練與低延遲的線上推論。涵蓋離線/線上儲存的拆分、point-in-time 正確的訓練資料、訓練/線上偏移(training-serving skew)、特徵新鮮度與回填(backfill)、物化(materialization)管線，以及特徵血緣(lineage)。
進階預覽
為像 Uber 這樣的公司設計一套 ML feature store，讓同一份特徵同時供給離線模型訓練與低延遲的線上推論。涵蓋離線/線上儲存的拆分、point-in-time 正確的訓練資料、訓練/線上偏移(training-serving skew)、特徵新鮮度與回填(backfill)、物化(materialization)管線，以及特徵血緣(lineage)。