# Feature Store

← [Раздел](README.md) · [Главная](../README.md)

## Цель

Понять роль **Feature Store** в MLOps-стеке и связь с MLflow.

## Предварительно

- [Версионирование данных](versii-dannyh.md)

## Время

**2–3 ч**

---

## Зачем

**Feature store** — единый каталог признаков для **training** (batch) и **serving** (online/low latency).

## Компоненты

- **Offline store** — история для обучения (warehouse)
- **Online store** — Redis/DynamoDB для real-time lookup
- **Feature definitions** — код трансформаций

## Проблема без feature store

Data scientist считает фичи в notebook, backend — по-другому → **training-serving skew**.

## Инструменты

Feast, Tecton, Hopsworks, Databricks Feature Store.

## MLflow

Логируйте версию feature view в tags run. Сами фичи в store, не в MLflow artifacts.

---

## Самопроверка

1. Какую проблему решает «Feature Store»?
2. Какой инструмент вы бы выбрали для старта?
3. Что логировать в MLflow из этого компонента?

---

## Дальше

→ [Experiment Tracking](experiment-tracking.md)