企业功能商店公司 Tecton 正在与 Databricks（数据和人工智能公司）合作，帮助组织构建和自动化从原型到生产的机器学习 (ML) 功能管道。
Tecton 与 Databricks Lakehouse 平台集成，因此数据团队可以使用 Tecton 在数分钟内在 Databricks 上构建生产就绪的 ML 功能。
“我们很高兴在 Databricks Lakehouse 平台上提供 Tecton，”Databricks 产品高级副总裁 Adam Conway 说。“Databricks 客户现在可以选择使用 Tecton 为其 ML 项目实施功能，并通过生产 ML 应用程序有效推动业务。”
Databricks 和 Tecton 正在合作加速和自动化将原始数据输入转换为 ML 特征并为这些特征提供服务以推动大规模预测应用程序的许多步骤。
Databricks 建立在开放式 Lakehouse 架构之上，允许 ML 团队准备和处理数据，简化跨团队协作，并标准化从实验到生产的整个 ML 生命周期。
据供应商称，借助 Tecton，这些团队现在可以在几分钟内自动化 ML 功能的整个生命周期并操作 ML 应用程序，而无需离开 Databricks 工作区。
“基于 Databricks 强大且可大规模扩展的数据和 AI 基础，Tecton 扩展了底层数据基础架构以支持特定于 ML 的要求。与 Databricks 的这种合作伙伴关系使组织能够快速、可靠且大规模地将 ML 嵌入到实时的、面向客户的应用程序和业务流程中，”Tecton 的联合创始人兼首席执行官 Mike Del Balso 说。
Tecton 在 Databricks Lakehouse 平台上可用，充当 ML 功能的核心事实来源，并自动编排、管理和维护生成功能的数据管道。
允许数据团队使用 Python 和 SQL 将功能定义为代码，该集成进一步使 ML 团队能够跟踪并与版本控制存储库共享功能。
然后，Tecton 自动化和编排生产级 ML 数据管道，在集中存储库中实现特征值。
从那里，用户可以立即探索、共享和提供用于模型训练、批处理和跨用例实时预测的功能，而不必担心典型的障碍，例如训练服务偏差或时间点正确性。
作为 Databricks Lakehouse 平台与其 ML 模型之间的接口，Tecton 允许客户使用来自无数数据源的实时和流数据来处理特征。
据供应商称，通过自动构建处理流和实时数据所需的复杂特征工程管道，Tecton 消除了对广泛工程支持的需求，并使用户能够大幅提高模型性能、准确性和结果。
文章来源：https://www.dbta.com/Editorial/News-Flashes/Tecton-Collaborates-with-Databricks-to-Quickly-Deploy-Machine-Learning-Applications-to-Production-153653.aspx
