Learn AI with Python · 강의

특성 저장소: Feast와 Tecton

온라인 특성 저장소와 오프라인 특성 저장소, 특성 버전 관리, 시점 기준 조인, 제공 지연 시간을 다룹니다.

특성 저장소: Feast와 Tecton은(는) CoddyKit의 무료 Learn AI with Python 강의입니다. 이것은 4개 중 3번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 Learn AI with Python 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. Learn AI with Python 강의에는 총 4개의 강의가 포함되어 있습니다.

피처 스토어가 필요한 이유

팀은 같은 피처를 반복해서 다시 구현하고, 학습 파이프라인과 서비스 제공 코드에서 피처를 서로 다르게 계산합니다. 피처 스토어는 피처 정의, 재사용, 서비스 제공을 중앙에서 관리하여 중복 작업과 학습-서비스 제공 간 불일치를 제거합니다.

Feast와 Tecton

대표적인 피처 스토어 두 가지는 다음과 같습니다.

Feast: 오픈 소스이며 가볍고, 사용자가 직접 인프라를 마련합니다
Tecton: 상용 관리형 서비스로, 스트리밍 피처 파이프라인과 거버넌스를 추가로 제공합니다

두 제품 모두 개체, 피처, 오프라인 및 온라인 저장소라는 핵심 개념을 공유합니다.

개체와 피처 뷰

개체는 피처가 설명하는 대상입니다(사용자, 제품 등). 피처 뷰는 한 개체와 관련된 피처를 그룹화하고 데이터 원본을 가리킵니다. 이러한 정의는 코드에 저장되며 다른 산출물과 마찬가지로 버전을 관리합니다.

# A user entity with features:
#   avg_purchase, days_since_signup, total_orders

feast 적용

feast apply는 개체 및 피처 뷰 정의를 피처 스토어 레지스트리에 등록합니다. 이를 통해 저장소가 어떤 피처가 존재하고 그 데이터가 어디에서 오는지 알 수 있습니다.

feast apply
# Registered entity user
# Registered feature view user_stats

구체화

서비스를 제공하기 전에 피처를 온라인 저장소에 로드해야 합니다. 구체화는 특정 시점까지의 피처 값을 계산하여 온라인 저장소(예: Redis)에 기록하므로, 낮은 지연 시간으로 읽을 수 있도록 준비합니다.

feast 구체화

feast materialize는 시작 날짜와 종료 날짜를 받아 해당 기간의 피처 값을 온라인 저장소에 로드합니다. 온라인 피처를 최신 상태로 유지하려면 일정에 따라 실행합니다.

feast materialize 2024-01-01T00:00:00 2024-01-31T00:00:00

온라인 서비스 제공

추론 시점에는 get_online_features를 사용하여 지정한 개체의 최신 피처를 가져옵니다. 조회할 개체를 식별하는 개체 행을 전달하면 밀리초 단위로 가장 최신 값을 반환합니다.

from feast import FeatureStore

store = FeatureStore(repo_path=".")
features = store.get_online_features(
    features=["user_stats:avg_purchase", "user_stats:total_orders"],
    entity_rows=[{"user_id": 123}],
).to_dict()

학습 데이터 구축하기

학습을 위해 피처 값과 과거 레이블을 결합합니다. 피처 스토어는 오프라인 저장소에서 데이터를 읽고 각 레이블의 타임스탬프에 맞춰 정렬된 데이터 세트를 반환하므로, 학습 입력이 서비스 제공 시 사용될 값과 일치합니다.

training_df = store.get_historical_features(
    entity_df=labels_df,        # has user_id and event_timestamp
    features=["user_stats:avg_purchase"],
).to_df()

시점 기준 결합

피처 스토어의 핵심 보장은 시점 기준 결합입니다. 각 학습 레이블에 대해 해당 레이블의 타임스탬프 이전 또는 같은 시점에 알려진 피처 값만 가져옵니다. 이렇게 하면 미래 정보를 사용하는 일을 방지할 수 있습니다.

데이터 누수 방지

시점 기준 정확성이 없으면 데이터 누수가 발생할 위험이 있습니다. 레이블 이벤트 이후에 계산된 피처 값으로 학습하면 오프라인 지표는 부풀려지지만 운영 환경에서는 성능이 급격히 떨어집니다. 피처 스토어는 시간 순서의 정확성을 자동으로 보장합니다.

전체 수명 주기

피처 스토어의 수명 주기는 다음과 같이 모든 과정을 연결합니다.

feast apply가 정의를 등록합니다
feast materialize가 온라인 저장소를 채웁니다
학습은 오프라인 저장소에서 시점 기준 결합을 사용합니다
서비스 제공은 get_online_features를 통해 최신 값을 읽습니다

빠른 점검

피처 스토어에 대한 지식을 점검해 보세요.

복습

Feast와 Tecton을 사용한 피처 스토어를 배웠습니다.

feast apply가 개체와 피처 뷰를 등록합니다
feast materialize가 지정한 날짜의 온라인 저장소를 채웁니다
get_online_features가 개체 행에 해당하는 최신 값을 제공합니다
시점 기준 결합으로 데이터 누수가 없는 학습 데이터를 만듭니다

자주 묻는 질문

“특성 저장소: Feast와 Tecton” 강의는 무료인가요?

네 — “특성 저장소: Feast와 Tecton” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 Learn AI with Python 강의 전체를 잠금 해제할 수 있습니다. Learn AI with Python 강의에는 총 4개의 강의가 포함되어 있습니다.

“특성 저장소: Feast와 Tecton”에서 뭘 배우나요?

온라인 특성 저장소와 오프라인 특성 저장소, 특성 버전 관리, 시점 기준 조인, 제공 지연 시간을 다룹니다. 브라우저에서 직접 실행하는 실습 코드로 Learn AI with Python을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.

Learn AI with Python을(를) 시작하는 데 경험이 필요한가요?

사전 경험은 필요하지 않습니다. CoddyKit의 Learn AI with Python은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 3번째 강의입니다.

“특성 저장소: Feast와 Tecton” 강의는 얼마나 걸리나요?

대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.

이 Learn AI with Python 강의에서 코드를 작성하고 실행할 수 있나요?

네. 모든 Learn AI with Python 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.

이 강의의 모든 강의

← Learn AI with Python(으)로 돌아가기