Признаки в проде: feature store и train/serve skew
Признак считают дважды: батчем для обучения и онлайн при инференсе. На стенде онлайн-код по той же спецификации расходится с батчем в каждом значении, перевёрнутые решения и пропущенное мошенничество есть, ошибок — ноль. Feast убирает расхождение путей, но его граница point-in-time включительна, онлайн-хранилище не применяет ttl, а материализация раз в сутки делает устаревшей половину значений. PIT по времени события ещё не PIT по времени знания, а накопительный счёт с самим событием при включительной границе отдаёт модели собственную метку — с ней качество в проде падает ниже случайного. И когда feature store не нужен вовсе