Publication de caractéristiques

Une fois les caractéristiques créées, vous pouvez les rendre disponibles pour l'entraînement et l'inférence de modèle. Ce document décrit les fonctionnalités de diffusion de caractéristiques disponibles dans BigQuery ML.

Exactitude à un moment précis

Les données utilisées pour entraîner un modèle comportent souvent des dépendances temporelles. Les tables de caractéristiques soumises à des contraintes de temps incluent une colonne d'horodatage pour représenter les valeurs de caractéristiques telles qu'elles existent à un moment donné pour chaque ligne. Vous pouvez employer des fonctions de recherche à un moment précis pour interroger des données issues de tables de caractéristiques soumises à des contraintes de temps afin de garantir l'absence de fuite de données entre l'entraînement et la diffusion. Cela permet l'exactitude à un moment précis.

Utilisez les fonctions suivantes pour spécifier des limites à un moment précis lors de la récupération de caractéristiques soumises à des contraintes de temps :

• ML.FEATURES_AT_TIME
• ML.ENTITY_FEATURES_AT_TIME

Vous pouvez effectuer les tâches suivantes à l'aide des caractéristiques récupérées :

• Entraîner des modèles et exécuter des inférences dans BigQuery ML.
• Diffuser directement des caractéristiques en ligne dans Vertex AI Feature Store.

Diffusion en ligne avec Vertex AI Feature Store

En plus d'une compatibilité intégrée avec la diffusion de caractéristiques dans BigQuery ML, l'intégration parfaite à Vertex AI Feature Store vous permet de gérer et de diffuser des caractéristiques avec une faible latence. Plus spécifiquement, vous pouvez vous servir des fonctions de recherche à un moment précis pour créer des tables ou des vues de caractéristiques que vous pouvez diffuser directement, ou créer manuellement des tables de caractéristiques et les enregistrer avec Vertex AI Feature Store pour la diffusion en ligne. Pour en savoir plus, consultez la section Préparer une source de données.