어제 만든 특성들이 노트북 안 데이터프레임에만 있다면, 다음 프로젝트에서 같은 특성을 또 만들어야 한다. 더 나쁜 건 학습 때 쓴 변환과 추론 때 쓴 변환이 미묘하게 달라져 모델 성능이 조용히 무너지는 것이다. SageMaker Feature Store는 이 두 문제 — 특성 재사용과 학습/추론 일관성 — 를 푸는 전용 저장소다.
MLA-C01 시험에서 Feature Store는 "온라인/오프라인 스토어의 차이", "training/serving skew 방지", "특성 공유" 같은 키워드로 등장한다. 오늘은 구조, 두 스토어, 일관성이라는 세 축을 본다.
Feature Store는 ML 특성을 중앙에서 저장·관리·제공하는 저장소다. 핵심 단위는 Feature Group이다. Feature Group은 관계형 테이블처럼 행과 열로 구성되며, 각 열이 하나의 특성(feature)이다. 두 가지 필수 요소가 있다.
from sagemaker.feature_store.feature_group import FeatureGroup
feature_group = FeatureGroup(name='customer-features', ...)