---
title: ML-инфраструктура данных
questionDates:
  q-transfer-0293: '2026-10-01'
seo:
  description: >-
    Тема «ML-инфраструктура данных» для собеседования Data Engineer. Как Feature
    Store предотвращает training-serving skew?
  title: ML-инфраструктура данных — Data Engineer
---

[Все темы Data Engineer](/prep/data-engineer)

## Как Feature Store предотвращает training-serving skew? [#q-transfer-0293]

Feature Store хранит единое определение и версию вычисления признака, а не только готовое значение. Offline store строит training set с point-in-time join, исключая данные из будущего; online store обслуживает свежие значения с малой задержкой. Общий pipeline materialization уменьшает различие формул. Skew все равно возможен из-за freshness, default values и ошибок публикации, поэтому сравнивают распределения и конкретные значения online и offline.

:::note[Ссылки для изучения]

1. [Feature Store: общий pipeline, версии признаков и согласованность обучения с inference](https://learn.microsoft.com/ru-ru/azure/machine-learning/concept-what-is-managed-feature-store?view=azureml-api-2)
   :::