Remarque
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de modifier des répertoires.
Lorsque vous utilisez l’ingénierie de caractéristiques dans Unity Catalog, chaque étape de votre processus de développement de modèle est intégrée à la plateforme Databricks Data Intelligence. Cela signifie que vous pouvez créer des pipelines de données automatisés pour calculer et servir des valeurs de caractéristique pendant que Databricks gère l’infrastructure pour vous. La plateforme Databricks fournit un service en temps réel à la fois pour les caractéristiques et les modèles, y compris le calcul à la demande des valeurs de caractéristique.
Recherche automatique de caractéristiques
Lorsque vous entraînez un modèle à l’aide du client d’ingénierie de fonctionnalités Databricks et que vous le servez avec Databricks Model Serve, le modèle recherche automatiquement les valeurs des fonctionnalités à partir d’un Magasin de fonctionnalités Databricks Online ou d’un magasin en ligne tiers. Cela se produit automatiquement sans configuration requise.
Important
Les tables Databricks en ligne (obsolètes) ne seront plus disponibles après le 15 janvier 2026. Si vous disposez de tables en ligne existantes, Databricks vous recommande de les migrer vers databricks Online Feature Store. Consultez Migrer depuis des tables en ligne anciennes et tierces.
Lorsqu’une demande de scoring arrive dans le modèle, Model Serving récupère automatiquement les valeurs de caractéristique publiées dont le modèle a besoin. De cette façon, les valeurs de caractéristique les plus récentes sont toujours utilisées pour les prédictions. Pour plus d’informations et pour obtenir des exemples de notebooks, consultez Model Service avec recherche automatique de fonctionnalités.
Le diagramme suivant illustre la relation entre les composants de la plateforme pour le service en temps réel.
Caractéristiques à la demande
Les modèles Machine Learning pour les applications en temps réel nécessitent souvent les valeurs des caractéristiques les plus récentes. Dans l’exemple présenté dans le diagramme, une fonctionnalité pour un modèle de recommandation de restaurant est la distance actuelle de l’utilisateur d’un restaurant. Cette fonctionnalité doit être calculée « à la demande », c’est-à-dire au moment de la demande de scoring. Lors de la réception d’une demande de scoring, le modèle recherche l’emplacement du restaurant, puis applique une fonction prédéfinie pour calculer la distance entre l’emplacement actuel de l’utilisateur et le restaurant. Cette distance est transmise en tant qu’entrée au modèle, ainsi que d’autres fonctionnalités précalculées du magasin de fonctionnalités. Pour plus d’informations, consultez Calculer des caractéristiques à la demande.
