Logo do curso
Curso

Feature Store:

criação, materialização e serving com Feast

Quero estudar na alura

12h

Para conclusão

26

Pessoas nesse curso

Certificado

De participação

Introdução_

O que você aprenderá_

  • Entenda o papel de uma Feature Store e identifique problemas de inconsistência entre treinamento e inferência (train-serving skew).
  • Projete e organize features reutilizáveis centralizando cálculos e lógicas de transformação.
  • Implemente e registre features com Feast usando definições em YAML e estruturas de entidades.
  • Materialize features para consultas offline e online garantindo consistência entre treinamento e serving.
  • Recupere features históricas e online para treinar modelos e alimentar APIs de predição.
  • Automatize pipelines de treinamento e mantenha a atualização e integridade das features em produção.

Público alvo_

Profissionais de dados, engenheiros de Machine Learning, cientistas de dados e desenvolvedores que precisam projetar, gerenciar e operacionalizar features para treinamento e inferência de modelos.

Fabricio Zillig

Fabricio Zillig

Especialista em Dados e IA, professor na FIAP e mestrando em Computação Aplicada, com pesquisa em LLMs e Sistemas Agênticos. Atua há mais de 15 anos na interseção entre engenharia de software, dados e produto, transformando modelos de Machine Learning e IA em soluções robustas, escaláveis e integradas a contextos reais de negócio.

Curso atualizado em 20/10/2026

Ementa

  1. Por que precisamos de uma Feature Store?

    • Boas Vindas Fabricio Zillig
    • Preparando o ambiente
    • Por que precisamos de uma feature store?
    • Conhecendo o projeto e os dados
    • Montando o dataset de treino
    • Treinando o modelo
    • O modelo em produção
    • Gerenciando features para recomendações de livros
    • O que aprendemos?
  2. Calculando e definindo features

    • Da necessidade à ferramenta
    • Um cálculo compartilhado
    • Quando a feature fica disponível?
    • Descrevendo os dados para o Feast: entidade e fonte
    • FeatureView e FeatureService: as features e o contrato
    • Para saber mais: nomeclaturas e documentação
    • Para saber mais: agendamento
    • Centralizando dados de clientes para personalização de serviços de spa
    • O que aprendemos?
  3. Recuperando o passado corretamente

    • Do notebook à Feature Store
    • O dataset de treino pelo contrato
    • Treinando com a Feature Store
    • Para saber mais: tempo de vida (TTL)
    • Criando job de treinamento
    • Para saber mais: eventos atrasados
    • Monitoramento de frescor de dados no Serenatto
    • O que aprendemos?
  4. Buscando features para fazer previsões

    • Do histórico ao atendimento
    • Materializando o online
    • Para saber mais: armazenamento online
    • Uma função para prever
    • Comparando os resultados
    • Para saber mais: features na requisição
    • Implementando consultas online para personalização de conteúdo
    • O que aprendemos?
  5. Atualizando e verificando as features

    • O primeiro dia terminou
    • Atualizando a online store
    • Para saber mais: reprocessamento
    • De quando é esse valor?
    • Adicionando Fallback
    • Finalizando a função de prever
    • Para saber mais: monitoramento
    • Atualização de dados em tempo real na Organo
    • O que aprendemos?
  6. Evoluindo e levando o projeto para uma API

    • Uma nova feature surgiu
    • Treinando o novo modelo
    • Prevendo com novo modelo
    • Para saber mais: versionamento
    • Subindo a API
    • Para saber mais: produção
    • Implementando novas funcionalidades no Cinetopia
    • Projeto do curso
    • O que aprendemos?

Descubra se esse curso é pra você! Leia as primeiras aulas

Comece essa formação agora mesmo e capacite-se para seu próximo projeto!

Conheça os planos

Faça parte da nossa comunidade no discord!

Troque conhecimentos com a comunidade da Alura

Aprenda Engenharias e Arquiteturas de Dados com esse e outros cursos, comece agora!

Conheça os Planos para Empresas