Feature Store — sdílení ML features napříč týmy

Tři ML týmy, tři kopie stejného feature engineering kódu. Každý počítá „průměrnou útrata zákazníka za 90 dní” trochu jinak. Feature Store tenhle chaos řeší.

Co je Feature Store?¶

Centrální úložiště ML features — předzpracovaných datových atributů použitelných pro trénink i serving. Dva režimy:

• Offline — historická data pro trénink (Snowflake/S3)
• Online — real-time features pro inference (Redis/DynamoDB)

Feast jako řešení¶

Feast (Feature Store) — open-source, lightweight, integruje se s naším stackem. Feature definitions jako kód v Gitu, materializace do online store přes Airflow.

Výsledky¶

Konzistentní features napříč training a serving (žádný training-serving skew). Sdílení features mezi týmy. Rychlejší onboarding nových ML projektů — „co features máme?” je teď otázka na minutu, ne na den.

Feature Store = DRY princip pro ML¶

Neopakujte feature engineering. Centralizujte, verzujte, sdílejte.