특성 서빙

특성을 만든 후에는 모델 학습 및 추론을 위해 제공할 수 있습니다. 이 문서에서는 BigQuery ML에서 사용할 수 있는 특성 서빙 기능에 대해 설명합니다.

특정 시점 정확성

모델 학습에 사용되는 데이터는 시간 종속성이 내재된 경우가 많습니다. 시간에 민감한 특성 테이블에는 각 행에 지정된 시간에 존재하는 특성 값을 나타내는 타임스탬프 열이 포함됩니다. 학습과 서빙 사이에서 데이터 유출이 발생하지 않도록 시간에 민감한 특성 테이블에서 데이터를 쿼리할 때 특정 시점 조회 함수를 사용할 수 있습니다. 이렇게 하면 특정 시점 정확성이 보장됩니다.

시간에 민감한 특성을 검색할 때 특정 시점 컷오프를 지정하려면 다음 함수를 사용하세요.

• ML.FEATURES_AT_TIME
• ML.ENTITY_FEATURES_AT_TIME

검색된 특성을 사용하여 다음 작업을 수행할 수 있습니다.

• BigQuery ML에서 모델을 학습시키고 추론을 실행합니다.
• Vertex AI Feature Store에서 온라인 특성을 직접 제공합니다.

Vertex AI Feature Store를 사용한 온라인 처리

BigQuery ML에서 기본적으로 지원하는 특성 서빙 외에도 Vertex AI Feature Store와 원활하게 통합하여 낮은 지연 시간으로 특성을 관리하고 제공할 수 있습니다. 구체적으로, 특정 시점 조회 함수를 사용하여 직접 제공할 수 있는 특성 테이블 또는 뷰를 만들거나 특성 테이블을 수동으로 만들고, 온라인 서빙을 위해 Vertex AI Feature Store에 등록할 수 있습니다. 자세한 내용은 데이터 소스 준비를 참조하세요.