Building Machine Learning Systems with a Feature Store

Obra de referencia publicada por O'Reilly en 2025 y escrita por Jim Dowling (profesor en KTH y CEO/fundador de Hopsworks), que establece los fundamentos de la ingeniería de datos moderna para la inteligencia artificial. El texto está pensado para ingenieros de machine learning, ingenieros de datos y arquitectos de MLOps de nivel intermedio a avanzado que ya programan con soltura en Python y manejan conceptos de canalizaciones de datos, y que necesitan construir sistemas de producción fiables que operen tanto en batch como en tiempo real y con modelos de lenguaje extensos (LLMs).

El eje central de la obra es la arquitectura desacoplada FTI (Feature, Training, and Inference Pipelines), que utiliza el Feature Store (con énfasis en Hopsworks y Feast) como capa única de verdad y sincronización entre el mundo analítico y el operacional. El autor profundiza en transformaciones model-independent y on-demand, ingesta por lotes y streaming utilizando herramientas como Pandas, Polars, PySpark, DuckDB, Apache Kafka y Apache Flink. Asimismo, cubre el diseño de sistemas de recomendación en tiempo real de dos etapas (retrieval and ranking), arquitecturas agentic y RAG (Retrieval-Augmented Generation) acopladas a almacenes de vectores, junto con las mejores prácticas de MLOps y LLMOps: pruebas de datos, observabilidad, prevención del feature leakage y monitorización de sesgo o deriva.

A nivel práctico, el libro enseña a implementar sistemas productivos reales, destacando un servicio de pronóstico de calidad del aire batch ejecutado mediante serverless/GitHub Actions con interfaz conversacional asistida por LLMs, y un sistema de recomendación personalizado en tiempo real inspirado en la arquitectura Monolith de TikTok. La obra aporta una perspectiva indispensable que faltaba en la literatura de ML: priorizar la gestión del ciclo de vida del dato por encima de los algoritmos. Requiere una base firme en sistemas distribuidos y no pretende enseñar teoría básica de modelado, sino infraestructura, arquitectura y escalabilidad empresarial.