Nel machine learning (ML), le caratteristiche sono attributi caratteristici di un'istanza o di un'entità che puoi utilizzare per addestrare modelli o per eseguire previsioni online. Le caratteristiche vengono generate trasformando i dati ML non elaborati in attributi misurabili e condivisibili utilizzando tecniche di feature engineering, generalmente denominate trasformazioni delle caratteristiche.
La gestione delle caratteristiche si riferisce al processo di creazione, manutenzione, condivisione e pubblicazione delle caratteristiche ML archiviate in una posizione o in un repository centralizzato. La gestione delle caratteristiche semplifica il riutilizzo delle caratteristiche per addestrare e riaddestrare i modelli, riducendo il ciclo di vita delle implementazioni di AI e ML.
Un prodotto o un servizio che include servizi di gestione delle caratteristiche per archiviare, scoprire, condividere e pubblicare caratteristiche ML è chiamato feature store. La piattaforma agentica Gemini Enterprise incorpora i seguenti servizi di feature store:
Questa pagina fornisce una panoramica delle funzionalità di Agent Platform Feature Store.
Agent Platform Feature Store
Agent Platform Feature Store offre un nuovo approccio alla gestione delle caratteristiche, consentendoti di gestire e pubblicare i dati delle caratteristiche da un'origine dati BigQuery. In questo approccio, Vertex AI Feature Store funge da livello di metadati che fornisce funzionalità di erogazione online all'origine dati delle caratteristiche in BigQuery e ti consente di erogare le caratteristiche online in base a questi dati. Non è necessario copiare o importare i dati in un archivio offline separato nella piattaforma Gemini Enterprise Agent.
Vertex AI Feature Store è integrato con Knowledge Catalog per monitorare i metadati delle caratteristiche. Supporta anche gli incorporamenti e consente di eseguire ricerche di similarità vettoriale per i vicini più prossimi.
Vertex AI Feature Store è ottimizzato per la pubblicazione a latenza molto bassa e consente di:
Archiviare e gestire i dati delle caratteristiche offline in BigQuery, sfruttando le funzionalità di gestione dei dati di BigQuery.
Condividere e riutilizzare le caratteristiche aggiungendole al registro delle caratteristiche.
Erogare le caratteristiche per le previsioni online a bassa latenza utilizzando l'erogazione online di Bigtable.
Monitorare i metadati delle caratteristiche in Knowledge Catalog.