데이터 ETL(
‣Data Extract, Transform, Load (ETL)) 을 거친 결과물은 데이터 웨어하우스(‣ Data warehouse (DW))에 저장되기도 하고 특징 저장소(‣ Feature Store)에 저장되기도 한다. 아래 그림을 보자.
‣Data Extract, Transform, Load (ETL)) 을 거친 결과물은 데이터 웨어하우스(‣ Data warehouse (DW))에 저장되기도 하고 특징 저장소(‣ Feature Store)에 저장되기도 한다. 아래 그림을 보자.그림 (참고1)
Data warehouse versus feature store
그림에는 저품질(from1), 저수준(from2)의 데이터가 적재되어 있는 창고인 데이터 레이크(‣ Data Lake)에서 유의미한 저장소로 옮겨넣는 ETL과 특징화(featurization)가 다른 목적을 가질 뿐 비슷한 역할을 한다는 모습이 표현돼 있다.
‣ Data Lake)에서 유의미한 저장소로 옮겨넣는 ETL과 특징화(featurization)가 다른 목적을 가질 뿐 비슷한 역할을 한다는 모습이 표현돼 있다.parse me : 언젠가 이 글에 쓰이면 좋을 것 같은 재료들.
1.
None
from : 과거의 어떤 생각이 이 생각을 만들었는가?
supplementary : 어떤 새로운 생각이 이 문서에 작성된 생각을 뒷받침하는가?
1.
None
opposite : 어떤 새로운 생각이 이 문서에 작성된 생각과 대조되는가?
to : 이 문서에 작성된 생각이 어떤 생각으로 발전되고 이어지는가?
2.
참고 : 레퍼런스