پرش به محتوای اصلی
هوش مصنوعی

GoldData Feature Store

فروشگاه ویژگی گلدیتا

فروشگاه ویژگی گلدیتا لایه میانی استانداردی است که میان داده خام و مدل‌های یادگیری ماشین قرار می‌گیرد. ویژگی‌ها را یک‌بار تعریف می‌کنید و هم برای آموزش از ذخیره آفلاین و هم برای استنتاج بلادرنگ از ذخیره آنلاین استفاده می‌کنید؛ بدون نگرانی از اختلاف آموزش و سرویس (Train/Serve Skew). ویژگی‌ها قابل‌اشتراک، نسخه‌بندی‌شده و قابل‌پایش‌اند تا تیم‌ها دوباره‌کاری نکنند.

قابلیت‌های کلیدی

  • ذخیره‌سازی آنلاین کم‌تأخیر و آفلاین حجیم برای ویژگی‌ها
  • تضمین سازگاری آموزش و سرویس و حذف اختلاف Train/Serve
  • تعریف یک‌باره ویژگی و اشتراک آن میان تیم‌ها و مدل‌ها
  • نسخه‌بندی، نسب‌نامه و پایش رانش (Drift) ویژگی‌ها
۰ میلی‌ثانیه
تأخیر سرو ویژگی آنلاین
۰٪
کاهش زمان مهندسی ویژگی
۰ هزار+
درخواست ویژگی در ثانیه
۰
اختلاف آموزش و سرویس با تعریف واحد
ویژگی‌ها

هرچه برای کار با داده در مقیاس سازمانی نیاز دارید

فروشگاه ویژگی گلدیتا با ذخیره‌سازی آنلاین و آفلاین ویژگی‌ها، تضمین سازگاری آموزش و سرویس و کشف مجدد ویژگی، مهندسی ویژگی را برای تیم‌های یادگیری ماشین صنعتی می‌کند.

ذخیره آنلاین و آفلاین

ذخیره آنلاین کم‌تأخیر برای استنتاج بلادرنگ و ذخیره آفلاین حجیم برای آموزش مدل، با همگام‌سازی خودکار میان آن‌ها.

سازگاری آموزش و سرویس

محاسبه ویژگی با یک تعریف واحد برای آموزش و استنتاج، تا اختلاف Train/Serve از بین برود و عملکرد مدل پایدار بماند.

ثبت و کشف ویژگی

ثبت متمرکز ویژگی‌ها با توضیح، مالک و فراداده، تا تیم‌ها ویژگی‌های موجود را کشف و دوباره استفاده کنند نه بازسازی.

ویژگی نقطه‌ای در زمان

تولید مجموعه آموزشی صحیح با اتصال نقطه‌ای در زمان (Point-in-Time) برای جلوگیری از نشت داده آینده به مدل.

پایش رانش و کیفیت

پایش پیوسته توزیع و کیفیت ویژگی‌ها، تشخیص رانش داده و هشدار پیش از افت عملکرد مدل در محیط عملیاتی.

نسخه‌بندی و نسب‌نامه

نسخه‌بندی تعریف و داده ویژگی‌ها و ثبت نسب‌نامه آن‌ها از منبع داده تا مدل، برای بازتولیدپذیری و حاکمیت.

نحوه‌ی کار

در چهار گام به نتیجه برسید

  1. ۱

    تعریف ویژگی

    ویژگی‌ها و منطق محاسبه آن‌ها را یک‌بار به‌صورت کدمحور یا SQL تعریف و در فروشگاه ثبت می‌کنید.

  2. ۲

    محاسبه و ذخیره

    فروشگاه ویژگی‌ها را به‌صورت دسته‌ای یا جریانی محاسبه و در ذخیره آنلاین و آفلاین نگه‌داری می‌کند.

  3. ۳

    آموزش مدل

    مجموعه آموزشی صحیح را با اتصال نقطه‌ای در زمان از ذخیره آفلاین می‌گیرید و مدل را آموزش می‌دهید.

  4. ۴

    سرو بلادرنگ

    هنگام استنتاج، همان ویژگی‌ها را با تأخیر کم از ذخیره آنلاین می‌گیرید تا مدل پایدار و بدون اختلاف عمل کند.

کاربردها

سناریوهای واقعی، ارزش ملموس

تشخیص تقلب بلادرنگ

سرو ویژگی‌های رفتاری کاربر با تأخیر چند میلی‌ثانیه‌ای به مدل تشخیص تقلب در لحظه تراکنش برای تصمیم آنی.

سامانه توصیه‌گر

اشتراک ویژگی‌های کاربر و محصول میان مدل‌های توصیه و رتبه‌بندی برای پیشنهادهای شخصی‌سازی‌شده و سازگار.

پیش‌بینی ریزش مشتری

استفاده مجدد از ویژگی‌های تعامل مشتری در چند مدل، با تضمین سازگاری میان آموزش دسته‌ای و امتیازدهی دوره‌ای.

صنعتی‌سازی تیم یادگیری ماشین

ایجاد کتابخانه مشترک ویژگی برای کل سازمان تا تیم‌ها دوباره‌کاری نکنند و چرخه ساخت مدل کوتاه شود.

یکپارچگی‌ها

به اکوسیستم داده‌ی موجود شما متصل می‌شود.

دروازه داده گلدیتااسنوفلیک (Snowflake)کافکا (Kafka)Redisاِس‌تری / S3SparkPython / Scikit-learn SDKMLflow

امنیت و انطباق

امنیت در پایه‌ی این محصول تعبیه شده است.

  • کنترل دسترسی مبتنی بر نقش به ویژگی‌ها و گروه‌های ویژگی
  • رمزنگاری داده ویژگی‌ها در حالت سکون و حین انتقال
  • ثبت ممیزی دسترسی و مصرف ویژگی‌ها برای حاکمیت مدل
  • نسب‌نامه کامل ویژگی برای بازتولیدپذیری و انطباق مدل
  • امکان استقرار اختصاصی on-prem برای داده حساس آموزشی
پرسش‌های متداول

سوالات رایج درباره‌ی فروشگاه ویژگی گلدیتا

این اختلاف زمانی رخ می‌دهد که محاسبه ویژگی در زمان آموزش با زمان استنتاج متفاوت باشد و عملکرد مدل افت کند. فروشگاه ویژگی گلدیتا با یک تعریف واحد برای هر دو حالت و همگام‌سازی ذخیره آنلاین و آفلاین، این اختلاف را از بین می‌برد.

فروشگاه ویژگی گلدیتا را برای سازمان خود ببینید

یک دموی اختصاصی متناسب با داده و فرایندهای سازمان شما ترتیب می‌دهیم.