Disponibilização de atributos

Depois de criar atributos, é possível disponibilizá-los para o treinamento de modelo e inferência. Neste documento, descrevemos as capacidades de disponibilização de recursos disponíveis no BigQuery ML.

Correção pontual

Os dados usados para treinar um modelo geralmente têm dependências de tempo integradas. As tabelas de atributos com alteração de horário incluem uma coluna de carimbo de data/hora para representar os valores de atributos como existiam em um determinado momento para cada linha. Use funções de pesquisa pontual ao consultar dados de tabelas de recursos com alteração de horário para garantir que não haja vazamento de dados entre o treinamento e a disponibilização. Isso permite a precisão pontual.

Use as funções a seguir para especificar limites pontuais ao recuperar recursos sensíveis ao tempo:

• ML.FEATURES_AT_TIME
• ML.ENTITY_FEATURES_AT_TIME

Use os recursos recuperados para realizar as seguintes tarefas:

• Treine modelos e execute inferência no BigQuery ML.
• Disponibilize recursos on-line diretamente na Vertex AI Feature Store.

Disponibilização on-line com a Vertex AI Feature Store

Além do suporte integrado à disponibilização de recursos no BigQuery ML, a integração total com a Vertex AI Feature Store permite gerenciar e disponibilizar recursos com baixa latência. É possível usar as funções de pesquisa pontual para criar tabelas ou visualizações de atributos que podem ser disponibilizados diretamente ou criar de maneira manual tabelas de atributos e registrá-las com a Vertex AI Feature Store para disponibilização on-line. Para mais informações, consulte Preparar a fonte de dados.