¿Qué es un feature store en el aprendizaje automático?

El aprendizaje automático (ML) está cobrando cada vez más importancia en numerosos sectores, y los feature stores desempeñan un papel fundamental en la aplicación del ML, incluida la detección de fraudes financieros, la oferta de recomendaciones relevantes de productos de comercio electrónico y la ayuda a los equipos médicos para prevenir y tratar las enfermedades de sus pacientes con mayor eficacia. En este artículo, profundizamos en los feature stores y en cómo pueden ayudar a los profesionales de los datos a gestionar mejor el ciclo de vida completo de las características del aprendizaje automático y, de esa forma, implementar flujos de ML en un tiempo récord.

Un feature store, o almacén de características, es un sistema de datos emergente utilizado para el aprendizaje automático que sirve como repositorio para almacenar, procesar y acceder a características de uso frecuente. De esa manera, se pueden reutilizar fácilmente en el desarrollo de futuros modelos de aprendizaje automático. Los feature stores operacionalizan la entrada, el seguimiento y la gobernanza de los datos como parte de la ingeniería de características para el aprendizaje automático.

Para entender la importancia de los feature stores, es necesario tener un conocimiento básico de cómo funcionan los modelos de ML. Estos modelos utilizan características, unidades de datos medibles que se pueden utilizar para enseñar al modelo a hacer predicciones sobre el futuro basadas en datos del pasado. Por ejemplo, para predecir si un cliente va a realizar una compra el próximo mes, se pueden utilizar variables o características como la suma de las compras del mes pasado o el número de visitas al sitio web de la semana actual. De manera similar, en el contexto médico, las características utilizadas para describir a un paciente médico pueden incluir variables como la edad, el peso, el consumo de tabaco, la actividad física y el diagnóstico médico actual. 

Los modelos de aprendizaje automático deben someterse primero a un proceso de entrenamiento. Para ello, deben alimentarse con grandes cantidades de datos históricos en forma de características y ejemplos preparados previamente. Esto es lo que permite a los modelos de ML inferir o hacer predicciones precisas para nuevos ejemplos a partir de experiencias pasadas con datos similares. Una vez entrenado un modelo para hacer predicciones con los datos operativos, las organizaciones deben operacionalizar los flujos que transforman los datos sin procesar en las mismas características utilizadas durante el entrenamiento.

Todos los datos, tanto los de entrenamiento como los operativos, deben prepararse adecuadamente para ser introducidos en el modelo a través de un flujo de características. Los flujos de características se parecen a los flujos de datos. Los datos generados por los flujos de características se agregan, validan y transforman en el formato adecuado, necesario para poder introducirse en el modelo de ML.

Los feature stores funcionan como un repositorio central en el que se almacenan y procesan características de uso frecuente para su reutilización y uso compartido entre equipos o modelos de ML. No solo pueden almacenar y gestionar valores de características, sino que también se emplean para transformar datos sin procesar (provenientes de un almacén de datos en la nube, un data lake en la nube o una aplicación de transmisión) en características optimizadas para el entrenamiento de nuevos modelos de ML y la inferencia de nuevos datos, lo que facilita la provisión de resultados a las aplicaciones basadas en ML.