1.3. Feature Store 대상
Feature Store의 대상 대상은 ML 플랫폼 및 MLOps 팀과 함께 DevOps 환경에서 실시간 모델을 프로덕션에 배포할 수 있습니다. 또한 기능 저장소를 사용하면 이러한 팀이 데이터 엔지니어, 소프트웨어 엔지니어, 머신러닝 엔지니어 및 데이터 과학자 간의 협업을 개선하는 기능 플랫폼을 구축할 수 있습니다.
- Data Scientists의 경우
- 기능 저장소는 모델 개발 및 모델 배포 모두에 대한 기능을 정의, 저장 및 검색할 수 있는 도구입니다.Feature Store is a tool where you can define, store, and retrieve your features for both model development and model deployment. 기능 저장소를 사용하면 가장 잘하는 작업에 중점을 둘 수 있습니다. AI/ML 모델을 구동하고 데이터 가치를 극대화하는 기능을 구축할 수 있습니다.
- MLOps 엔지니어의 경우
- 기능 저장소는 온라인 데이터베이스, 애플리케이션 서버, 마이크로 서비스, 분석 데이터베이스 및 오케스트레이션 툴링과 같은 기존 인프라를 연결하는 라이브러리입니다. 기능 저장소를 사용하면 데이터 과학자의 기능을 구현하는 대신 탄력적 시스템을 유지 관리하는 데 집중할 수 있습니다.
- 데이터 엔지니어의 경우
- 기능 저장소는 기능 정의를 저장하기 위한 중앙 집중식 카탈로그를 제공하므로 기능 데이터에 대한 단일 정보 소스를 유지할 수 있습니다. 다양한 유형의 오프라인 및 온라인 데이터 저장소를 읽고 쓰기 위한 추상화를 제공합니다. 제공된 Python SDK 또는 기능 서버 서비스를 사용하여 온라인 및 오프라인 저장소에 데이터를 작성한 다음 모델 추론을 위해 모델 교육 또는 대기 시간이 짧은 온라인 시나리오에서 데이터를 다시 읽을 수 있습니다.
- AI 엔지니어의 경우
- 기능 저장소는 다양한 데이터를 원활하게 통합하고 미세 조정을 통해 AI 애플리케이션을 확장하도록 설계된 플랫폼을 제공합니다. 기능 저장소를 사용하면 확장 가능하고 효율적인 데이터 파이프라인을 보장하면서 AI 모델의 성능을 최적화할 수 있습니다.