现代数据架构中的基石
用于 AI/ML

将 ML 模型投入生产是一项重大挑战，只有不到一半的模型最终投入生产。在开发 ML 模型时，ML 团队将大部分时间花费在工程特征、获取和清理数据以及将其转换为特征上。

现代数据基础设施可以解决这些挑战，而特征存储是 ML 技术堆栈中一个很有希望的补充，它有可能提高模型开发和生产的效率。

本课程介绍了特征存储的概念，并提供了使用各种技术（包括 Redis）构建特征存储的公司的示例（*AT&T、DoorDash、Zomato* 等）。