Introduzione a Vertex AI Feature Store (legacy)

Vertex AI Feature Store (legacy) fornisce un repository centralizzato per l'organizzazione, l'archiviazione e la distribuzione di caratteristiche di ML. L'utilizzo di un archivio di caratteristiche centrale consente a un'organizzazione di condividere, scoprire e riutilizzare in modo efficiente le caratteristiche di ML su larga scala, il che può aumentare la velocità di sviluppo e deployment di nuove applicazioni di ML.

Vertex AI Feature Store (legacy) è una soluzione completamente gestita, che gestisce e scala l'infrastruttura sottostante, ad esempio le risorse di archiviazione e di calcolo. Ciò significa che i data scientist possono concentrarsi sulla logica di calcolo delle caratteristiche invece di preoccuparsi delle sfide legate al deployment delle caratteristiche in produzione.

Vertex AI Feature Store (legacy) è una parte integrata di Vertex AI. Puoi utilizzare Vertex AI Feature Store (legacy) in modo indipendente o nell'ambito dei flussi di lavoro di Vertex AI. Ad esempio, puoi recuperare i dati da Vertex AI Feature Store (legacy) per addestrare modelli personalizzati o AutoML in Vertex AI.

Vertex AI Feature Store (legacy) è il predecessore di Vertex AI Feature Store. Per saperne di più su Vertex AI Feature Store, consulta la documentazione di Vertex AI Feature Store.

Panoramica

Utilizza Vertex AI Feature Store (legacy) per creare e gestire featurestore, tipi di entità e caratteristiche. Un featurestore è un container di primo livello per le tue caratteristiche e i loro valori. Quando configuri un featurestore, gli utenti autorizzati possono aggiungere e condividere le loro caratteristiche senza bisogno di ulteriore supporto ingegneristico. Gli utenti possono definire le caratteristiche e poi importare i valori delle caratteristiche da varie origini dati. Scopri di più sul modello dei dati e sulle risorse di Vertex AI Feature Store (legacy).

Qualsiasi utente autorizzato può cercare e recuperare valori dal feature store. Ad esempio, puoi trovare funzionalità ed eseguire un'esportazione batch per ottenere dati di addestramento per la creazione di modelli ML. Puoi anche recuperare i valori delle caratteristiche in tempo reale per eseguire previsioni online rapide.

Vantaggi

Prima di utilizzare Vertex AI Feature Store (legacy), potresti aver calcolato i valori delle caratteristiche e averli salvati in varie posizioni, come tabelle in BigQuery e come file in Cloud Storage. Inoltre, potresti aver creato e gestito soluzioni separate per l'archiviazione e l'utilizzo dei valori delle caratteristiche. Al contrario, Vertex AI Feature Store (legacy) fornisce una soluzione unificata per l'archiviazione batch e online, nonché per la distribuzione di caratteristiche di ML. Le sezioni seguenti descrivono in dettaglio i vantaggi offerti da Vertex AI Feature Store (legacy).

Condividere funzionalità all'interno dell'organizzazione

Se produci caratteristiche in un feature store, puoi condividerle rapidamente con altri per l'addestramento o la distribuzione. I team non devono riprogettare le funzionalità per progetti o casi d'uso diversi. Inoltre, poiché puoi gestire e distribuire le funzionalità da un repository centrale, puoi mantenere la coerenza in tutta l'organizzazione e ridurre le attività duplicate, in particolare per le funzionalità di alto valore.

Vertex AI Feature Store (legacy) fornisce funzionalità di ricerca e filtro in modo che altri utenti possano scoprire e riutilizzare le funzionalità esistenti. Per ogni funzionalità, puoi visualizzare i metadati pertinenti per determinare la qualità e i pattern di utilizzo della funzionalità. Ad esempio, puoi visualizzare la frazione di entità che hanno un valore valido per una caratteristica (nota anche come copertura della caratteristica) e la distribuzione statistica dei valori della caratteristica.

Soluzione gestita per la pubblicazione online su larga scala

Vertex AI Feature Store (legacy) fornisce una soluzione gestita per la distribuzione online delle caratteristiche (distribuzione a bassa latenza), fondamentale per eseguire previsioni online tempestive. Non devi creare e gestire un'infrastruttura di pubblicazione dei dati a bassa latenza. Vertex AI Feature Store (legacy) lo fa per te e si adatta in base alle esigenze. Codifichi la logica per generare le funzionalità, ma deleghi l'attività di pubblicazione delle funzionalità. Tutta questa gestione inclusa riduce l'attrito per la creazione di nuove funzionalità, consentendo ai data scientist di svolgere il proprio lavoro senza preoccuparsi del deployment.

Ridurre il disallineamento addestramento/produzione

Il disallineamento addestramento/produzione si verifica quando la distribuzione dei dati delle caratteristiche usata in produzione è diversa da quella usata per addestrare il modello. Questo disallineamento spesso comporta discrepanze tra le prestazioni di un modello durante l'addestramento e quelle in produzione. Gli esempi seguenti descrivono come Vertex AI Feature Store (legacy) può risolvere potenziali origini di distorsione tra addestramento e servizio:

  • Vertex AI Feature Store (legacy) garantisce che un valore della funzionalità venga importato una sola volta in un featurestore e che lo stesso valore venga riutilizzato sia per l'addestramento che per la distribuzione. Senza un feature store, potresti avere percorsi di codice diversi per generare caratteristiche tra l'addestramento e la distribuzione. Pertanto, i valori delle caratteristiche potrebbero differire tra l'addestramento e la pubblicazione.
  • Vertex AI Feature Store (legacy) fornisce ricerche point-in-time per recuperare dati storici per l'addestramento. Con queste ricerche, puoi mitigare la perdita di dati recuperando solo i valori delle funzionalità disponibili prima di una previsione e non dopo.

Per saperne di più su come rilevare il disallineamento tra addestramento e pubblicazione, consulta Visualizzare le anomalie dei valori delle caratteristiche.

Rilevare la deviazione

Vertex AI Feature Store (legacy) ti aiuta a rilevare modifiche significative alla distribuzione dei dati delle caratteristiche nel tempo, note anche come deviazione. Vertex AI Feature Store (legacy) monitora costantemente la distribuzione dei valori delle caratteristiche importati nello feature store. Man mano che la deriva delle funzionalità aumenta, potrebbe essere necessario riaddestrare i modelli che utilizzano le funzionalità interessate. Per ulteriori informazioni su come rilevare la deriva, consulta Visualizzare le anomalie dei valori delle caratteristiche.

Quote e limiti

Vertex AI Feature Store (legacy) applica quote e limiti per aiutarti a gestire le risorse impostando i tuoi limiti di utilizzo e per proteggere la community degli utenti di Google Cloud da picchi di utilizzo imprevisti. Per evitare di incorrere in vincoli non pianificati, esamina le quote di Vertex AI Feature Store (legacy) nella pagina Quote e limiti. Ad esempio, Vertex AI Feature Store (legacy) imposta una quota sul numero di nodi di pubblicazione online e una quota sul numero di richieste di pubblicazione online che puoi effettuare al minuto.

Conservazione dei dati

Vertex AI Feature Store (legacy) conserva i valori delle caratteristiche fino al limite di conservazione dei dati. Questo limite si basa sul timestamp associato ai valori delle caratteristiche, non sulla data di importazione dei valori. Vertex AI Feature Store (legacy) pianifica l'eliminazione dei valori con timestamp che superano il limite.

Prezzi

I prezzi di Vertex AI Feature Store (legacy) si basano su diversi fattori, ad esempio la quantità di dati archiviati e il numero di nodi online di Feature Store utilizzati. Gli addebiti iniziano subito dopo la creazione di un archivio di caratteristiche. Per saperne di più, consulta la pagina Prezzi di Vertex AI Feature Store (legacy).

Passaggi successivi