Ito ang Linux app na pinangalanang Feast na ang pinakabagong release ay maaaring ma-download bilang v0.53.0sourcecode.tar.gz. Maaari itong patakbuhin online sa libreng hosting provider na OnWorks para sa mga workstation.
I-download at patakbuhin online ang app na ito na pinangalanang Feast with OnWorks nang libre.
Sundin ang mga tagubiling ito upang patakbuhin ang app na ito:
- 1. Na-download ang application na ito sa iyong PC.
- 2. Ipasok sa aming file manager https://www.onworks.net/myfiles.php?username=XXXXX kasama ang username na gusto mo.
- 3. I-upload ang application na ito sa naturang filemanager.
- 4. Simulan ang OnWorks Linux online o Windows online emulator o MACOS online emulator mula sa website na ito.
- 5. Mula sa OnWorks Linux OS na kasisimula mo pa lang, pumunta sa aming file manager https://www.onworks.net/myfiles.php?username=XXXX gamit ang username na gusto mo.
- 6. I-download ang application, i-install ito at patakbuhin ito.
MGA LALAKI
Ad
Piging
DESCRIPTION
Ang Feast (Feature Store) ay isang open source na feature store para sa machine learning. Ang kapistahan ay ang pinakamabilis na landas upang pamahalaan ang umiiral na imprastraktura upang makagawa ng analytic na data para sa pagsasanay sa modelo at online na inference. Gawing palagiang available ang mga feature para sa pagsasanay at paghahatid sa pamamagitan ng pamamahala sa isang offline na tindahan (upang iproseso ang makasaysayang data para sa scale-out batch scoring o pagsasanay sa modelo), isang online na tindahan na may mababang latency (upang mapagana ang real-time na hula), at isang feature na nasubok sa labanan server (upang maghatid ng mga pre-computed na feature online). Iwasan ang pagtagas ng data sa pamamagitan ng pagbuo ng mga point-in-time na tamang set ng feature upang ang mga data scientist ay makapag-focus sa feature engineering kaysa sa pag-debug ng error-prone na dataset sa pagsali sa logic. Tinitiyak nito na ang mga value ng feature sa hinaharap ay hindi tumutulo sa mga modelo sa panahon ng pagsasanay. Ihiwalay ang ML mula sa imprastraktura ng data sa pamamagitan ng pagbibigay ng isang layer ng pag-access ng data na kumukuha ng imbakan ng tampok mula sa pagkuha ng tampok, na tinitiyak na mananatiling portable ang mga modelo habang lumilipat ka mula sa mga modelo ng pagsasanay patungo sa mga modelo ng paghahatid, mula sa batch na modelo
Mga tampok
- Gawing palaging available ang mga feature para sa pagsasanay at paghahatid
- Iwasan ang pagtagas ng data sa pamamagitan ng pagbuo ng mga point-in-time na tamang set ng feature
- Ihiwalay ang ML mula sa imprastraktura ng data
- Irehistro ang iyong mga kahulugan ng feature at i-set up ang iyong feature store
- I-explore ang iyong data sa web UI (pang-eksperimento)
- Bumuo ng dataset ng pagsasanay
Wika ng Programming
Sawa
Ito ay isang application na maaari ding kunin mula sa https://sourceforge.net/projects/feast.mirror/. Na-host ito sa OnWorks upang mapatakbo online sa pinakamadaling paraan mula sa isa sa aming mga libreng Operative System.
