Le feature store dans une architecture MLOps automatisée

MLOps entièrement automatisé

Arturo Opsetmoen Amador

Senior Consultant - Machine Learning

Les features en machine learning

$$

Feature engineering

Sélectionner, manipuler et transformer des sources brutes pour créer des features utilisées en entrée de nos algorithmes de ML

Image d'un opérateur en costume à côté de feuilles et d'engrenages symbolisant un processus de données.

$$

Exemples :

  • Transformations numériques
  • Encodage des catégories
  • Regroupement de valeurs
  • Création de nouvelles features
MLOps entièrement automatisé

Feature engineering en entreprise

$$

Schéma d'architecture montrant des sources de données, batch et streaming, consommées par une équipe de data scientists transformant les données via un processus classique de feature engineering.

MLOps entièrement automatisé

Feature engineering en entreprise

$$

Le même schéma d'architecture que précédemment, avec une équipe supplémentaire consommant les sources et travaillant en silo sur le feature engineering.

MLOps entièrement automatisé

Feature engineering en entreprise

$$

Suite de l'image précédente : une troisième équipe consomme les mêmes sources et travaille en silo sur le feature engineering.

MLOps entièrement automatisé

Le feature store

$$

  • Référentiel centralisé de features

  • Éviter les doublons grâce à l'automatisation

  • Standardisation des transformations

  • Stockage centralisé

  • Diffusion des features en batch et en temps réel

$$

Un schéma où les sources de données alimentent un feature store. Dans le feature store, les données sont transformées, les features créées sont stockées, puis servies.

MLOps entièrement automatisé

Le feature store – Expérimentation accélérée

$$

  • Expérimentation accélérée
    • Extractions de données pour les expériences
    • Découverte de features
    • Évite des définitions multiples pour des features identiques

$$

Schéma d'architecture. Le feature store s'étend horizontalement et fournit des features à des expériences orchestrées dans l'environnement d'expérimentation et de développement.

MLOps entièrement automatisé

Le feature store – Continuous training

$$

  • Continuous Training (CT)
    • Extractions pour des pipelines automatisés en prod

$$

Schéma d'architecture. Le feature store s'étend horizontalement. Il alimente la composante de continuous training dans les environnements de préproduction/production.

MLOps entièrement automatisé

Le feature store – Prédictions en ligne

$$

  • Prédictions en ligne
    • Utiliser des features prédéfinies pour les services de prédiction

$$

Schéma d'architecture. Le feature store s'étend horizontalement. Il fournit des features au service de prédiction du système.

MLOps entièrement automatisé

Le feature store – Symétrie des environnements

$$

  • Évite le décalage entraînement–service

$$

Schéma d'architecture. Le feature store s'étend horizontalement. Il fournit des features à des pipelines orchestrés, au continuous training et aux services de prédiction, tous environnements confondus.

MLOps entièrement automatisé

Passons à la pratique !

MLOps entièrement automatisé

Preparing Video For Download...