엔드 투 엔드 머신 러닝 프레임워크의 아키텍처 구성 요소

엔드 투 엔드 Machine Learning

Joshua Stapleton

Machine Learning Engineer

피처 스토어

피처

  • 피처 선택
  • 피처 엔지니어링

피처 스토어

  • 피처의 중앙 저장소
  • 일관성 보장, 중복 감소
  • 공유·발견 지원
  • 피처 변환·계산 표준화

피처 스토어가 추가된 머신 러닝 수명주기 이미지

엔드 투 엔드 Machine Learning

Feast

Feast

  • 피처 스토어 구현을 위한 인기 도구
  • ML 피처의 관리·저장·서빙·발견을 통합 제공

원칙

  • 피처 세트로 피처 정의·등록
  • 피처 세트: 관련 피처와 메타데이터의 묶음

예: 심장병 피처

  • 환자 엔티티
  • 관련 피처(콜레스테롤, 나이, 성별)
엔드 투 엔드 Machine Learning

Feast 피처 스토어 1부

from feast import Field, Entity, ValueType, FeatureStore
from feast.data_source import FileSource


# Define the entity, which in this case is a patient, and features
patient = Entity(name="patient", join_keys=["patient_id"])

chol = Field(name="chol", dtype=Float32)
age = Field(name="age", dtype=Int32)
...

# Define the data source
data_source = FileSource(
    path="/path_to_heart_disease_dataset.csv",
    event_timestamp_column="event_timestamp",
    created_timestamp_column="created")
엔드 투 엔드 Machine Learning

Feast 피처 스토어 2부

# ... continued
# Create a feature view of the data
heart_disease_fv = FeatureView(name="heart_disease", entities=[patient],
    schema=[cholesterol, ...], ttl=timedelta(days=1), input=data_source,)


# Create a FeatureStore object
store = FeatureStore(repo_path=".")


# Register the FeatureView
store.apply([patient, heart_disease_fv])
엔드 투 엔드 Machine Learning

모델 레지스트리

모델 레지스트리

  • 버전 관리 시스템
  • 모델 버전 추적
  • 모델에 주석/메타데이터 추가
  • 성능 추적(시간 경과)

이점

  • 체계화
  • 투명성
  • 재현성

모델 레지스트리가 추가된 머신 러닝 수명주기 이미지

엔드 투 엔드 Machine Learning

Vamos praticar!

엔드 투 엔드 Machine Learning

Preparing Video For Download...