详细内容或原文请订阅后点击阅览
Jumio 如何在 AWS 上构建实时特征存储
了解 Jumio 如何使用 Amazon SageMaker Feature Store、Amazon Managed Service for Apache Flink 和 Amazon Kinesis Data Streams 在 AWS 上构建集中式实时特征存储。该架构提供了 100 毫秒以下的欺诈检测功能，每年可节省约 120,000 美元。
来源:亚马逊云科技 _机器学习如果您正在管理实时特征存储，您可能会面临数据重复、特征工程、特征一致性、手动部署和延迟等挑战。Jumio 是一家身份验证提供商，可帮助企业检测欺诈并建立数字信任。为了实时提供这些服务，Jumio 的机器学习 (ML) 模型需要一个实时特征存储来解决这些挑战。我们使用 Jumio 的案例研究向您展示如何构建实时特征存储。此架构模式适用于需要低于 100 毫秒延迟才能进行实时预测的 ML 用例。
在这篇文章中，我们向您展示架构、设计权衡及其对 Jumio 工作负载的影响。您将了解如何使用 Amazon SageMaker Feature Store、Amazon Managed Service for Apache Flink 和 Amazon Kinesis Data Streams 等服务来优化 AWS 上的 ML 功能管理。
问题陈述
在构建实时特征存储之前，特征工程和部署通常是分散且低效的。这导致了以下问题：
由于 Jumio 的业务围绕身份验证解决方案展开，因此及时、准确的欺诈检测非常重要。 Jumio 的 ML 模型在很大程度上依赖于功能来做出明智的决策。为了应对这些挑战，Jumio 需要一个集中的、可重用的实时特征存储。