Introduzione a Vertex AI Feature Store (legacy)

Vertex AI Feature Store (legacy) fornisce un repository centralizzato per l'organizzazione, l'archiviazione e la distribuzione di caratteristiche di ML. L'utilizzo di un archivio di caratteristiche centrale consente a un'organizzazione di condividere, scoprire e riutilizzare in modo efficiente le caratteristiche di ML su larga scala, il che può aumentare la velocità di sviluppo e deployment di nuove applicazioni di ML.

Vertex AI Feature Store (legacy) è una soluzione completamente gestita che gestisce e scala l'infrastruttura sottostante, ad esempio le risorse di archiviazione e calcolo. Ciò significa che i data scientist possono concentrarsi sulla logica di calcolo delle funzionalità anziché preoccuparsi delle sfide legate al deployment delle funzionalità in produzione.

Vertex AI Feature Store (legacy) è parte integrante di Vertex AI. Puoi utilizzare Vertex AI Feature Store (legacy) indipendentemente o all'interno dei flussi di lavoro di Vertex AI. Ad esempio, puoi recuperare i dati da Vertex AI Feature Store (legacy) per addestrare modelli personalizzati o AutoML in Vertex AI.

Vertex AI Feature Store (legacy) è il predecessore di Vertex AI Feature Store. Per saperne di più su Vertex AI Feature Store, consulta la documentazione di Vertex AI Feature Store.

Panoramica

Utilizza Vertex AI Feature Store (legacy) per creare e gestire feature store, tipi di entità e funzionalità. Un archivio di funzionalità è un contenitore di primo livello per le tue funzionalità e i relativi valori. Quando configuri un archivio di caratteristiche, gli utenti autorizzati possono aggiungere e condividere le loro funzionalità senza bisogno di ulteriore supporto ingegneristico. Gli utenti possono definire le caratteristiche e poi importare (esportare) i valori delle caratteristiche da varie origini dati. Scopri di più sul modello dei dati e sulle risorse di Vertex AI Feature Store (legacy).

Qualsiasi utente autorizzato può cercare e recuperare i valori dal feature store. Ad esempio, puoi trovare funzionalità ed eseguire un'esportazione collettiva per ottenere i dati di addestramento per la creazione del modello ML. Puoi anche recuperare i valori delle caratteristiche in tempo reale per eseguire previsioni online rapide.

Vantaggi

Prima di utilizzare Vertex AI Feature Store (legacy), potresti aver calcolato i valori delle funzionalità e averli salvati in varie posizioni, ad esempio tabelle in BigQuery e file in Cloud Storage. Inoltre, potresti aver creato e gestito soluzioni separate per l'archiviazione e il consumo dei valori delle caratteristiche. Al contrario, Vertex AI Feature Store (legacy) fornisce una soluzione unificata per lo stoccaggio batch e online, nonché la pubblicazione di funzionalità di ML. Le seguenti sezioni descrivono in dettaglio i vantaggi offerti da Vertex AI Feature Store (legacy).

Condividere funzionalità all'interno dell'organizzazione

Se produci funzionalità in un feature store, puoi condividerle rapidamente con altri per l'addestramento o la distribuzione. I team non devono riprogettare le funzionalità per progetti o casi d'uso diversi. Inoltre, poiché puoi gestire e pubblicare le funzionalità da un repository centrale, puoi mantenere la coerenza all'interno della tua organizzazione e ridurre le attività duplicate, in particolare per le funzionalità di alto valore.

Vertex AI Feature Store (legacy) fornisce funzionalità di ricerca e filtro in modo che gli altri utenti possano scoprire e riutilizzare le funzionalità esistenti. Per ogni funzionalità, puoi visualizzare i metadati pertinenti per determinare la qualità e i pattern di utilizzo della funzionalità. Ad esempio, puoi visualizzare la frazione di entità che hanno un valore valido per una caratteristica (nota anche come copertura delle caratteristiche) e la distribuzione statistica dei valori delle caratteristiche.

Soluzione gestita per la pubblicazione online su larga scala

Vertex AI Feature Store (legacy) fornisce una soluzione gestita per la distribuzione online delle funzionalità (distribuzione a bassa latenza), fondamentale per fare previsioni online tempestive. Non è necessario creare e gestire un'infrastruttura di servizio dati a bassa latenza; Vertex AI Feature Store (legacy) lo fa per te e si espande in base alle esigenze. Scrivi la logica per generare funzionalità, ma sposti la relativa elaborazione su un altro servizio. Tutta questa gestione riduce le difficoltà per la creazione di nuove funzionalità, consentendo ai data scientist di svolgere il proprio lavoro senza preoccuparsi del deployment.

Ridurre il disallineamento addestramento/produzione

Il disallineamento addestramento/produzione si verifica quando la distribuzione dei dati delle funzionalità usata in produzione è diversa da quella usata per addestrare il modello. Questo disallineamento spesso genera discrepanze tra le prestazioni di un modello durante l'addestramento e quelle in produzione. I seguenti esempi descrivono in che modo Vertex AI Feature Store (legacy) può risolvere potenziali fonti di scostamento tra addestramento e pubblicazione:

  • Vertex AI Feature Store (legacy) garantisce che un valore della funzionalità venga importato una volta in un feature store e che lo stesso valore venga riutilizzato sia per l'addestramento che per la distribuzione. Senza un feature store, potresti avere percorsi di codice diversi per la generazione di funzionalità tra l'addestramento e la pubblicazione. Pertanto, i valori delle caratteristiche potrebbero essere diversi tra l'addestramento e la pubblicazione.
  • Vertex AI Feature Store (legacy) fornisce ricerche in un determinato momento per recuperare dati storici per l'addestramento. Con queste ricerche, puoi ridurre la fuga di dati recuperando solo i valori delle funzionalità disponibili prima di una previsione e non dopo.

Per ulteriori informazioni su come rilevare lo scostamento tra addestramento e pubblicazione, consulta Visualizzare le anomalie dei valori delle caratteristiche.

Rilevare la deviazione

Vertex AI Feature Store (legacy) ti aiuta a rilevare modifiche significative alla distribuzione dei dati delle funzionalità nel tempo, nota anche come deviazione. Vertex AI Feature Store (legacy) monitora costantemente la distribuzione dei valori delle funzionalità importati nel feature store. Man mano che l'errore di deriva delle funzionalità aumenta, potrebbe essere necessario addestrare nuovamente i modelli che utilizzano le funzionalità interessate. Per ulteriori informazioni su come rilevare la deriva, consulta Visualizzare le anomalie dei valori delle funzionalità.

Quote e limiti

Vertex AI Feature Store (legacy) applica quote e limiti per aiutarti a gestire le risorse impostando i tuoi limiti di utilizzo e per proteggere la community degli utenti di Google Cloud da picchi di utilizzo imprevisti. Per evitare di colpire vincoli imprevisti, controlla le quote di Vertex AI Feature Store (legacy) nella pagina Quote e limiti. Ad esempio, Vertex AI Feature Store (legacy) imposta una quota per il numero di nodi di pubblicazione online e una quota per il numero di richieste di pubblicazione online che puoi effettuare al minuto.

Conservazione dei dati

Vertex AI Feature Store (legacy) conserva i valori delle funzionalità fino al limite di conservazione dei dati. Questo limite si basa sul timestamp associato ai valori delle caratteristiche, non sulla data di importazione dei valori. Vertex AI Feature Store (legacy) pianifica l'eliminazione dei valori con timestamp che superano il limite.

Prezzi

I prezzi di Vertex AI Feature Store (legacy) si basano su diversi fattori, ad esempio la quantità di dati archiviati e il numero di nodi online di Feature Store utilizzati. Gli addebiti iniziano subito dopo la creazione di un archivio di funzionalità. Per saperne di più, consulta la pagina relativa ai prezzi di Vertex AI Feature Store (legacy).

Passaggi successivi