Pubblicazione delle funzionalità

Dopo aver creato le caratteristiche, puoi renderle disponibili per l'addestramento e l'inferenza del modello. Questo documento descrive le funzionalità di pubblicazione delle funzionalità disponibili in BigQuery ML.

Correttezza point-in-time

I dati utilizzati per addestrare un modello spesso hanno dipendenze temporali integrate. Le tabelle delle caratteristiche sensibili al tempo includono una colonna di timestamp per rappresentare i valori delle caratteristiche così come esistenti in un determinato momento per ogni riga. Puoi utilizzare funzioni di ricerca point-in-time per eseguire query sui dati di tabelle di funzionalità sensibili al tempo al fine di garantire che non ci siano fughe di dati tra addestramento e pubblicazione. Ciò consente una correzione point-in-time.

Utilizza le seguenti funzioni per specificare le interruzioni point-in-time durante il recupero delle funzionalità sensibili al tempo:

• ML.FEATURES_AT_TIME
• ML.ENTITY_FEATURES_AT_TIME

Puoi utilizzare le funzionalità recuperate per eseguire le seguenti attività:

• Addestra i modelli ed esegui l'inferenza in BigQuery ML.
• Pubblicare direttamente le funzionalità online in Vertex AI Feature Store.

Pubblicazione online con Vertex AI Feature Store

Oltre al supporto integrato della gestione delle funzionalità in BigQuery ML, l'integrazione perfetta con Vertex AI Feature Store ti consente di gestire e distribuire caratteristiche con bassa latenza. In particolare, puoi utilizzare le funzioni di ricerca point-in-time per creare tabelle o viste delle caratteristiche da gestire direttamente oppure creare manualmente le tabelle delle caratteristiche e registrarle in Vertex AI Feature Store per la pubblicazione online. Per ulteriori informazioni, consulta Preparare l'origine dati.