בלמידת מכונה (ML), תכונות הן מאפיינים אופייניים של מופע או ישות שאפשר להשתמש בהם כדי לאמן מודלים או כדי ליצור תחזיות אונליין. תכונות נוצרות על ידי שינוי של נתוני ML גולמיים למאפיינים מדידים וניתנים לשיתוף באמצעות טכניקות של הנדסת תכונות, שבדרך כלל נקראות שינויים בתכונות.
ניהול תכונות הוא תהליך של יצירה, תחזוקה, שיתוף והצגה של תכונות של למידת מכונה שמאוחסנות במיקום או במאגר מרכזיים. ניהול התכונות מקל על השימוש החוזר בתכונות לאימון מודלים ולאימון מחדש של מודלים, וכך מקצר את מחזור החיים של פריסות AI ו-ML.
מוצר או שירות שכוללים שירותים לניהול תכונות לאחסון, לגילוי, לשיתוף ולהכניס לשימוש בסביבת הייצור של תכונות של ML נקרא מאגר תכונות. Gemini Enterprise Agent Platform משלב את השירותים הבאים של מאגר תכונות:
בדף הזה מובאת סקירה כללית של היכולות של Agent Platform Feature Store.
Agent Platform Feature Store
מאגר התכונות של פלטפורמת הסוכנים מציע גישה חדשה לניהול תכונות. הוא מאפשר לכם לתחזק את נתוני התכונות ולספק אותם ממקור נתונים של BigQuery. בגישה הזו, מאגר התכונות של Vertex AI פועל כשכבת מטא-נתונים שמספקת יכולות של שירות אונליין למקור נתוני התכונות ב-BigQuery, ומאפשרת לכם לספק תכונות אונליין על סמך הנתונים האלה. אתם לא צריכים להעתיק או לייבא את הנתונים למאגר נפרד אופליין בפלטפורמת הסוכנים של Gemini Enterprise.
Vertex AI Feature Store משולב עם Knowledge Catalog כדי לעקוב אחרי מטא-נתונים של תכונות. הוא תומך גם בהטמעות ומאפשר לבצע חיפושים של וקטורים דומים כדי למצוא את השכנים הקרובים ביותר.
Vertex AI Feature Store עובר אופטימיזציה כדי לספק שירות עם זמן טעינה קצר במיוחד, ומאפשר לכם:
אחסון ותחזוקה של נתוני התכונות במצב אופליין ב-BigQuery, תוך ניצול יכולות ניהול הנתונים של BigQuery.
כדי לשתף תכונות ולעשות בהן שימוש חוזר, מוסיפים אותן למאגר התכונות.
הצגת תכונות לחיזויים אונליין בזמני אחזור נמוכים באמצעות Bigtable online serving.
מעקב אחר מטא-נתונים של תכונות ב-Knowledge Catalog.