معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Simplified SageMaker Feature Store

ویژگی	مقدار
سیستم عامل	-
نام فایل	aws-feature-store-0.0.9
نام	aws-feature-store
نسخه کتابخانه	0.0.9
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Ihor Bilyk
ایمیل نویسنده	-
آدرس صفحه اصلی	https://github.com/bilykigor/aws_feature_store
آدرس اینترنتی	https://pypi.org/project/aws-feature-store/
مجوز	Apache License 2.0

# aws_feature_store It is a simplified implementation of SageMaker Feature Store approach. ## Installation --------------- Use the package manager [pip](https://pip.pypa.io/en/stable/) to install foobar. ```bash pip install aws_feature_store ``` ## Initialize feature group --------------------------- ```python bucket_name = '{bucket_for_feature_store}' s3_folder = '{folder_for_feature_store}' featuregroup_name = '{my_feature_name}_{commit_id}' feature_group_name = f'{my_feature_name}/commit_id={featuregroup_name}' feature_group = FeatureGroup( name=featuregroup_name, boto3_session = boto3_session, s3_uri=f"s3://{bucket_name}/{s3_folder}" ) ``` ## Create feature group -------------------- ```python def create_feature_group(feature_group): description="What is my feature group about" feature_script_repo="{repo_link_to_script}" data_source="{what data are used}" record_identifier_feature_name = "column name to store id" event_time_feature_name = "{column name to store timestamp}" partition_columns=['biz_id','customer_id'] feature_definitions=[ FeatureDefinition(feature_name="column_name1", feature_type=FeatureTypeEnum.INTEGRAL), FeatureDefinition(feature_name="column_name2", feature_type=FeatureTypeEnum.STRING), ] feature_group.create( record_identifier_name=record_identifier_feature_name, event_time_feature_name=event_time_feature_name, feature_script_repo=feature_script_repo, partition_columns=partition_columns, data_source=data_source, description=description, file_format='parquet/json', feature_definitions=feature_definitions ) return feature_group if feature_group.exists() is None: feature_group = create_feature_group(feature_group) ``` ## Ingest data -------------- ```python import pandas as pd data = pd.read_json('data.json') feature_group.ingest_data_frame(data,f"mlfow_parent_run_id={parent_run_id}/{filename_without_extention}") ```

نیازمندی

مقدار	نام
<2.0,>=1.20.21	boto3
-	pandas

زبان مورد نیاز

مقدار	نام
>= 3.6	Python

نحوه نصب

نصب پکیج whl aws-feature-store-0.0.9:

pip install aws-feature-store-0.0.9.whl

نصب پکیج tar.gz aws-feature-store-0.0.9:

pip install aws-feature-store-0.0.9.tar.gz