[ 🥗🥩 마음껏 골라 먹는 feature 저장소 - Feast ] Feature extraction and storage는 가장 기본적이면서도 중요한 요소다. 조직 내에 수 많은 데이터 분석가

[ 🥗🥩 마음껏 골라 먹는 feature 저장소 - Feast ] Feature extraction and storage는 가장 기본적이면서도 중요한 요소다. 조직 내에 수 많은 데이터 분석가들이 각자 자기가 원하는 feature를 만들고 production에 적용한다고 생각해보자. 통일성도 없고, 생산적이지도 않으며, 혼란스러울 것이다. 그래서 구글이 나섰다. 고젝과 함께 [🥗🥩 Feast]라는 feature store를 오픈소스로 시작했고, Agoda, Zulily, Tecton등의 기업도 개발에 기여하고 있다. * Feature store는 raw 데이터를 통해 만들어진 변수들에 대한 설명, 제작 과정, 그리고 version 관리까지 할 수 있도록 한다. 데이터와 모델 사이의 interface라고 할 수 있다. 🥩 Feature store가 왜 필요할까? - Feature 표준화 머신러닝 모델에 들어가는 feature들을 설명하는 중앙 repository를 표준화할 필요성이 있다 - Feature 발견 한 팀에서 발견한 feature를 다른 팀에서도 활용할 수 있게 되면서 빠르고 다양한 실험을 할 수 있다 - 일관된 모델 훈련 과정 모델 훈련과 모델 배포 과정에서 투입되는 feature의 일관성을 보장할 방법이 필요하다 🥩 어떻게 도와줄 수 있는가? - 모델과 데이터의 분리 feature를 한 곳에서 관리함으로써 데이터와 모델을 컨셉적으로 구분 지을 수 있다 - Point-In-Time feature 데이터 모델과 데이터는 지속적으로 바뀐다. Feast는 해당 시점에 사용된 feature를 트래킹함으로써 그 시점의 모델에 알맞은 feature를 선택할 수 있도록 돕는다 - Production에 곧바로 활용하거나 training 단계에서 재활용할 수 있는 feature를 관리할 수 있다 Feast의 아키텍처 등 더 궁금한점이 있으시다면 아래 링크를 참고하시길 바랍니다 :)