当前位置:首页 > 报告详情

制造商:简化 DOORDASH 的声明性特征工程.pdf

上传人: 张** 编号:167737 2024-06-15 41页 1.62MB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文主要介绍了Doordash公司的机器学习平台Fabricator,这是一个声明式特征平台,旨在简化机器学习开发过程并提供所需的基础设施。文章详细阐述了Fabricator的架构设计、关键特性以及实施后的成果和经验教训。 核心数据包括: 1. ML系统中的技术债务(Google 2015年报告) 2. 机器学习平台的功能:欺诈检测、无人机送货、个性化营销、虚拟助手等 3. ML平台的中心化团队:简化ML开发过程、提供所需基础设施、被多个团队使用 4. ML平台的特点:高效的特征存储、健壮的数据仓库、自动化的其他下游操作 5. 传统系统的问题:数据科学家需与多个松耦合系统交互、降低开发速度、基础设施演变缓慢、缺乏控制平面 6. 理想平台的特征:简单的YAML定义、Protobuf支持的架构、数据库支持的服务、持续部署 7. Fabricator架构:特征注册表、统一执行环境、基础设施自动化 8. 实施成果:易于创建特征作业、降低仓库成本和计算资源竞争、提高开发速度 关键点概括: - Fabricator是一个声明式特征平台,旨在加速机器学习开发。 - 平台通过中心化的特征注册表、统一的执行环境和基础设施自动化,简化了机器学习开发过程。 - 实施Fabricator后,提高了开发速度,降低了成本和复杂性,同时提高了机器学习系统的可扩展性。
"Doordash如何利用机器学习系统提高配送效率?" "如何通过Feature Platform减少机器学习开发中的技术债务?" "Fabricator平台如何实现特征管道的声明式定义和自动化运营?"
客服
商务合作
小程序
服务号
折叠