METADATA-DRIVEN FEATURE STORE FOR MACHINE LEARNING SYSTEMS

A method includes identifying (414) one or more transformations (320) to be applied in order to generate one or more features or feature sets (308). The method also includes generating (416) metadata (306) identifying the one or more features or feature sets and the one or more transformations. The method further includes using (420) the metadata to determine the one or more features or feature sets for specified data and storing (420) the one or more determined features or feature sets in a feature store (314). In addition, the method includes outputting (424) at least some of the one or more determined features or feature sets or data associated with the at least some of the one or more determined features or feature sets from the feature store to at least one machine learning model (310). La présente invention concerne un procédé qui consiste à identifier (414) une ou plusieurs transformations (320) à appliquer de façon à générer une ou plusieurs caractéristiques ou ensembles de caractéristiques (308). Le procédé consiste également à générer (416) des métadonnées (306) identifiant la ou les caractéristiques ou ensembles de caractéristiques et la ou les transformations. Le procédé consiste en outre à utiliser (420) les métadonnées pour déterminer la ou les caractéristiques ou ensembles de caractéristiques pour des données spécifiées et à stocker (420) la ou les caractéristiques ou ensembles de caractéristiques déterminés dans une mémoire de caractéristiques (314). De plus, le procédé consiste à délivrer (424) au moins une partie de la ou des caractéristiques ou ensembles de caractéristiques déterminés ou des données associées à l'au moins une partie de la ou des caractéristiques ou ensembles de caractéristiques déterminés provenant de la mémoire de caractéristiques à au moins un modèle d'apprentissage machine (310).