Переход от легаси к построению своего Feature Store: активные действия

BigData и инфраструктура машинного обучения (data engineering)

Доклад принят в программу конференции

Мнение Программного комитета о докладе

Нельзя просто так взять, и сделать Feature Store. Нужны исследования, совместимость, обучение. Спикер расскажет, как последовательно внедряли Feature Store, чтобы не уйти в долгострой и показать первые результаты: начиная от разбора запросов и источников и заканчивая автогенерацией фич через sdk.

Целевая аудитория

Архитекторы, разработчики, MLOps, ML-инженеры.

Тезисы

Построение собственного Feature Store — это не классическая задача, которую можно сделать за пару недель.

В докладе я расскажу о том, как мы последовательно внедряли наше решение в существующие пайплайны «на ходу» и параллельно успевали решать бизнес-задачи. Покажу, с какими сложностями сталкивались и что ожидает большую компанию, которая уже имеет зоопарк ML-моделей и хочет сделать пайплайн лучше.

Техлид команды разработки со сложным направлением «Оценка недвижимости».

Домклик

Домклик — продуктовая технологическая компания, которая создает высоконагруженные проекты в сфере недвижимости, обеспечивая полный цикл от выбора квартиры, получения ипотеки, взаиморасчетов с продавцом до постпродажного сопровождения.

Видео

Другие доклады секции

BigData и инфраструктура машинного обучения (data engineering)