В 2015 году, когда мы приступили к развертыванию платформы машинного обучения Микеланджело от Uber, мы заметили интересную закономерность: 80 % моделей машинного обучения, запущенных на платформе, основаны на операционных вариантах использования машинного обучения, которые напрямую влияют на опыт конечного пользователя (гонщиков и водителей Uber). Только 20 % — это варианты использования аналитического машинного обучения , которые способствуют принятию аналитических решений...

Джон Томас В UFC бойцы готовятся к выступлению в октагоне с помощью интенсивных режимов тренировок. Бойцы и их команды будут проводить месяцы, анализируя стиль своего противника на предмет любых слабостей, которые можно использовать, оттачивая свое тело и свою технику, чтобы предложить наилучший бой. Специалисты по данным из головной организации UFC, Endeavour , подходят к прогнозам машинного обучения с не меньшей решимостью. В то время как бойцы бросаются на камеру, данные,..

Эта статья - результат сотрудничества с Джимом Доулингом . Пространство магазина функций стремительно растет! От внедрения концепции магазина функций компанией Uber в 2017 году до запуска первого магазина функций, готового для предприятий, компанией Logical Clocks в следующем году, до прихода на рынок технологических гигантов Google, Amazon и Databricks, необходимость поддержки платформы для Управление функциями никогда не было таким четким. Featurestore.org родился из осознания..

Магазин функций - это набор упорядоченных и тщательно отобранных функций, используемых для обучения и обслуживания моделей машинного обучения. Поддержание их в актуальном состоянии, обслуживание векторов признаков и создание наборов обучающих данных требует сочетания транзакционной (OLTP) и аналитической (OLAP) обработки базы данных. Такая база данных со смешанной рабочей нагрузкой называется HTAP для гибридной аналитической обработки транзакций. Наиболее полезные хранилища функций..

Краткое введение. Создание магазина функций машинного обучения кажется многообещающей идеей для любой организации, разрабатывающей и внедряющей модели машинного обучения. Feature Store помогает избежать тонны дублирования работы (например, разработки функций), установить стандартную номенклатуру и стандарт описания функций в организации и обеспечить согласованность между обработкой и обслуживанием функций онлайн и офлайн. Излишне говорить, что сэкономленные усилия и время можно..

Некоторые из вас могут быть не знакомы с концепцией «корпоративного хранилища функций» в мире науки о данных, но я почти уверен, что вы либо взаимодействовали, либо, возможно, разработали хранилище функций для удовлетворения некоторых требований к вашей проект. Возьмем пример. Одним из наиболее распространенных вариантов использования в мире машинного обучения является создание рекомендательных систем, в которых данные о взаимодействии пользователей, поступающие из различных..