Что такое feature store и зачем он нужен в ML-инфраструктуре?

Варианты ответа

• Централизованное хранилище предрассчитанных фич для ML-моделей. Обеспечивает consistency между training и serving, переиспользование фич между моделями, point-in-time correctness
• Специализированная база данных для версионированного хранения обученных ML-моделей и их артефактов — альтернатива MLflow Model Registry для крупных enterprise-систем
• Python-библиотека для автоматизации feature engineering (извлечение, преобразование, нормализация) — обычно используется как часть pipeline перед обучением моделей
• Инструмент, нужный только big tech (Google, Meta, Netflix) с тысячами моделей — для SMB и стартапов избыточен и заменяется обычной базой данных или CSV-файлами

Разбор ответа

Получить доступ к ответам — все вопросы →

Похожие вопросы из категории «ML»

• Как диагностировать переобучение модели и какие приёмы помогают его предотвратить?
• Перечислите основные способы регуляризации и объясните, когда применять каждый.
• Объясните разницу между precision и recall.
• Как выбрать между ROC-AUC и PR-AUC для оценки модели классификации?
• В чём принцип градиентного бустинга и почему он так популярен в продуктовой аналитике?