이 문서에서는 BigQuery ML 모델 학습 및 추론에 특성을 사용할 수 있도록 하는 옵션을 설명합니다. 모든 옵션의 경우 첫 번째 기본 단계로 BigQuery 테이블에 특성을 저장해야 합니다.
특정 시점 정확성
모델 학습에 사용되는 데이터는 시간 종속성이 내재된 경우가 많습니다. 시간에 민감한 특성의 특성 테이블을 만들 때는 각 행에 지정된 시간에 존재하는 특성 값을 나타내는 타임스탬프 열을 포함합니다. 학습과 서빙 사이에서 데이터 유출이 발생하지 않도록 특성 테이블에서 데이터를 쿼리할 때 특정 시점 조회 함수를 사용할 수 있습니다. 이렇게 하면 특정 시점 정확성이 보장됩니다.
BigQuery ML에서 모델을 학습시키고 일괄 추론을 실행하려면 특정 시점 정확성 섹션에 설명된 특정 시점 조회 함수 중 하나를 사용하여 특성을 검색하면 됩니다. 이러한 함수는 학습을 위해 CREATE MODEL 문의 query_statement 절에 포함하거나 게재를 위해 적절한 테이블 값 함수(예: ML.PREDICT)의 query_statement 절에 포함할 수 있습니다.
Vertex AI Feature Store를 사용한 특성 제공
Vertex AI에 등록된 BigQuery ML 모델에 특성을 제공하려면 Vertex AI Feature Store를 사용하면 됩니다.
Vertex AI Feature Store는 BigQuery의 특성 테이블을 기반으로 하여 낮은 지연 시간으로 특성을 관리하고 제공합니다. 온라인 서빙을 사용하여 온라인 예측을 위해 실시간으로 특성을 가져오고 오프라인 서빙을 사용하여 모델 학습을 위한 특성을 가져올 수 있습니다.
Vertex AI Feature Store에서 사용할 BigQuery 특성 데이터를 준비하는 방법에 관한 자세한 내용은 데이터 소스 준비를 참고하세요.
[[["이해하기 쉬움","easyToUnderstand","thumb-up"],["문제가 해결됨","solvedMyProblem","thumb-up"],["기타","otherUp","thumb-up"]],[["이해하기 어려움","hardToUnderstand","thumb-down"],["잘못된 정보 또는 샘플 코드","incorrectInformationOrSampleCode","thumb-down"],["필요한 정보/샘플이 없음","missingTheInformationSamplesINeed","thumb-down"],["번역 문제","translationIssue","thumb-down"],["기타","otherDown","thumb-down"]],["최종 업데이트: 2025-08-20(UTC)"],[[["\u003cp\u003eFeatures must be saved in BigQuery tables before they can be used for BigQuery ML model training and inference.\u003c/p\u003e\n"],["\u003cp\u003eIncluding a timestamp column in feature tables allows for point-in-time correctness, preventing data leakage between training and serving.\u003c/p\u003e\n"],["\u003cp\u003e\u003ccode\u003eML.FEATURES_AT_TIME\u003c/code\u003e and \u003ccode\u003eML.ENTITY_FEATURES_AT_TIME\u003c/code\u003e functions are used to specify point-in-time cutoffs when retrieving time-sensitive features.\u003c/p\u003e\n"],["\u003cp\u003eBigQuery ML models can use point-in-time lookup functions in \u003ccode\u003eCREATE MODEL\u003c/code\u003e statements or in table-valued functions like \u003ccode\u003eML.PREDICT\u003c/code\u003e to retrieve features for training and batch inference.\u003c/p\u003e\n"],["\u003cp\u003eVertex AI Feature Store can be used to manage and serve features with low latency for BigQuery ML models registered in Vertex AI, supporting both real-time online prediction and offline model training.\u003c/p\u003e\n"]]],[],null,["# Feature serving\n===============\n\nThis document describes your options for making\n[features](/bigquery/docs/preprocess-overview) available for BigQuery ML\nmodel training and inference. For all options, you must save the features in\nBigQuery tables as a prerequisite first step.\n\nPoint-in-time correctness\n-------------------------\n\nThe data used to train a model often has time dependencies built into it. When\nyou create a feature table for time sensitive features, include a timestamp\ncolumn to represent the feature values as they existed at a given time for each\nrow. You can then use point-in-time lookup functions when querying data from\nthese feature tables in order to ensure that there is no [data\nleakage](https://en.wikipedia.org/wiki/Leakage_(machine_learning)) between\ntraining and serving. This process enables point-in-time correctness.\n\nUse the following functions to specify point-in-time cutoffs when retrieving\ntime sensitive features:\n\n- [`ML.FEATURES_AT_TIME`](/bigquery/docs/reference/standard-sql/bigqueryml-syntax-feature-time)\n- [`ML.ENTITY_FEATURES_AT_TIME`](/bigquery/docs/reference/standard-sql/bigqueryml-syntax-entity-feature-time)\n\nServe features in BigQuery ML\n-----------------------------\n\nTo train models and perform batch inference in BigQuery ML, you\ncan retrieve features using one of the point-in-time lookup functions described\nin the [Point-in-time correctness](#point-in-time_correctness) section. You can\ninclude these functions in the\n[`query_statement` clause](/bigquery/docs/reference/standard-sql/bigqueryml-syntax-create#query_statement) of the `CREATE MODEL` statement for\ntraining, or in the `query_statement` clause of the appropriate table-valued\nfunction, such as\n[`ML.PREDICT`](/bigquery/docs/reference/standard-sql/bigqueryml-syntax-predict),\nfor serving.\n\nServe features with Vertex AI Feature Store\n-------------------------------------------\n\nTo serve features to BigQuery ML models that are\n[registered in Vertex AI](/bigquery/docs/managing-models-vertex#register_models),\nyou can use\n[Vertex AI Feature Store](/vertex-ai/docs/featurestore/latest/overview).\nVertex AI Feature Store works on top of feature tables in\nBigQuery to manage and serve features with low latency. You can\nuse [online serving](/vertex-ai/docs/featurestore/latest/serve-feature-values)\nto retrieve features in real time for online prediction, and you can use\n[offline serving](/vertex-ai/docs/featurestore/latest/serve-historical-features)\nto retrieve features for model training.\n\nFor more information about preparing BigQuery feature data\nto be used in Vertex AI Feature Store, see\n[Prepare data source](/vertex-ai/docs/featurestore/latest/prepare-data-source)."]]
