Feature Store, Parameter server的介绍

本周我们继续ML Platform的第六讲，很高兴邀请到CY给我们带来的《Feature Store， parameter server的介绍》，相关内容总结如下：

Slides

1. CY使用的Slides。
   • 讲座中使用的Netflix资源链接
   • 讲座中使用的Netflix time travel相关链接。Context Selection的概念可以从这篇文章中找到。
   • 讲座中使用的Gojek相关链接。
   • Uber Data Quality Monitor相关的链接。
   • Scaling distributed machine learning with the parameter server.
   • Feature Stores – A Hierarchy of Needs
   • Meet Michelangelo: Uber’s Machine Learning Platform
2. ML Platform系列讲座总结：
   • 第一讲：ML Infra的整体框架介绍
   • 第二讲：ML OPS的深入介绍
   • 第三讲：Model Serving的介绍
   • 第四讲：资源调度，Federated Learning的介绍
   • 第五讲：Model Distributed training的介绍
   • 第六讲：Feature Store, Parameter Server的介绍
   • 第七讲：KServe和Triton的介绍 — realtime inference

Q&A

什么是Tecton

1. 【扩展】官网Blog：What is a Feature Store?
2. 【扩展】特征平台（Feature Store）：Tecton
3. 【扩展】Comparatif des feature store : Tecton surplombe Feast et Hopsworks
4. 【扩展】Back to the Future: Solving the time-travel problem in machine learning | Tecton

Feast的介绍

1. 【扩展】特征平台（Feature Store）：Feast
2. 【扩展】Feast官网
3. 【扩展】Gojek和谷歌云合作开发的FEAST加入LF AI & Data作为孵化项目

Parameter Server的补充介绍

1. 【扩展】ParameterServer入门和理解
2. 【扩展】Parameter Server分布式训练概述(上篇)
3. 【扩展】【深度学习分布式】Parameter Server 详解
4. 【扩展】深入浅出之「Parameter Server」架构

再次感谢大家的参与，也希望大家有好的资源能联系我更新这篇文章，或者在下面留言。谢谢大家。

下周话题安排和往期话题回顾敬请参见《系统设计开荒小分队话题讨论简介》

欢迎大家订阅公众号或者注册邮箱（具体方法见左右侧边栏），可以第一时间收到更新。