Meetup回顾｜星策社区FeatureStore Meetup V2

最新推荐文章于 2024-03-25 09:42:39 发布

星策开源社区

最新推荐文章于 2024-03-25 09:42:39 发布

阅读量5.2k

点赞数

文章标签：人工智能机器学习数据库架构数据挖掘自然语言处理

本文链接：https://blog.csdn.net/DSF_xd/article/details/124268491

版权

星策社区举办的FeatureStore Meetup V2 活动，邀请了业内专家探讨FeatureStore在AI领域的实践。嘉宾分享了FeatureStore的重要性和在企业中的应用，包括OpenMLDB的全栈实时特征开发解决方案、工商银行的人工智能平台建设、Amazon的Feature Store解决方案以及网易云音乐的特征平台建设经验。活动强调了FeatureStore在MLOps中的关键角色，推动了企业智能化转型。

摘要由CSDN通过智能技术生成

继2021年12月11日举办第一次Feature Store Meetup之后，星策开源社区于2022年4月10日举办了第二期「FeatureStore Meetup V2 」，本次活动邀请星策社区发起人---中国开源推进联盟副秘书长、开放原子基金会TOC副主席-谭中意；第四范式系统架构师、开源项目 OpenMLDB 负责人-卢冕；中国工商银行软件开发中心大数据和人工智能实验室副主任-黄炳；AWS数据分析解决方案架构师-唐清原、网易云音乐人工智能研究员-吴官林，从不同领域不同视角下的深入探讨FeatureStore在各行业内的实践演进。共有4000余名观众在线观看了直播，并与几位嘉宾共同讨论了FeatureStore未来的发展趋势。

🌟本期 Meetup 嘉宾分享PPT获取方式：关注公众号「星策开源」并回复「0410」

内容回顾

Part 1 | 开场 + 介绍特征平台/Feature Store概念——谭中意

中国开源推进联盟副秘书长、开放原子基金会TOC副主席谭中意，在此次meetup开场中介绍了特征平台FeatureStore的概念和意义。

作为星策社区的发起人与本次Meetup的组织者，谭中意表示，星策开源社区作为作为助力企业智能化转型的开源社区，非常重视AI技术在企业的“多快好省”的落地问题，然而现实中机器学习的落地非常慢，效果经常达不到预期，同时效果还可能会被回退。

而落地慢的原因是在实际的生产环境中，与机器学习相关的代码只占很小一部分，AI系统是代码+数据+模型的整合，而数据又是其中最重要却又很难保证正确的部分。所以为了解决这一问题，在借鉴DevOps的经验后发展出了MLOps，如下图所示MLOps=CI+CD+CT+CM，即机器学习全过程从项目项目到定义和搜集加工数据到训练+迭代再到部署+监控的自动化循环与迭代，它包括了模型、代码与数据。