[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-feature-store::tr":3,"gloss-cluster-feature-store::tr":23,"gloss-next-feature-store::tr":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"feature-store","data-infra","Özellik Deposu (Feature Store)","Özellik deposu, makine öğrenimi modellerinin kullandığı girdi özelliklerini tanımlamak, saklamak ve sunmak için kullanılan merkezi bir sistemdir. \"Özellik\", hesaplanmış bir sinyaldir — bir kullanıcının 30 günlük satın alma sayısı, ortalama oturum süresi, kayıttan bu yana geçen gün. Özellik deposu bunları bir kez hesaplar ve hem modelleri eğitmek (çevrimdışı, toplu) hem de gerçek zamanlı çıkarım (çevrim içi, düşük gecikme) için erişilebilir kılar.\n\nÇözdüğü temel sorun eğitim\u002Fsunum sapmasıdır: Eğitim hattınız ile üretim uygulamanız aynı özelliği biraz farklı hesaplarsa, model üretimde testlerdekinden daha kötü davranır. Özellik deposu, her iki yerde de kullanılan tek bir tanımı dayatır.\n\nML ekleyen SaaS geliştiricileri için — kayıp tahmini, öneriler, dolandırıcılık skorlaması — özellikler birden çok model ya da ekip arasında yeniden kullanıldığında bir özellik deposu değer kazanır. Araçlar arasında açık kaynaklı Feast ile Tecton ve bulut sağlayıcılarının yönetilen ürünleri vardır. Pratik not: İlk modeliniz için muhtemelen gerekmez. Sade veri hatlarıyla başlayın; özelliklerin tekrarı, tazeliği ve tutarlılığı gerçek bir darboğaz olduğunda özellik deposuna geçin.","Özellik deposu, ML modellerinin kullandığı girdi özelliklerini tanımlar, saklar ve sunar: her sinyali bir kez hesaplayıp eğitim ile canlı çıkarıma verir.",null,[11,14,17,20],{"slug":12,"name":13},"data-pipeline","Veri Boru Hattı (Data Pipeline)",{"slug":15,"name":16},"embedding","Embedding (Gömme Vektörü)",{"slug":18,"name":19},"reverse-etl","Ters ETL (Reverse ETL)",{"slug":21,"name":22},"vector-database","Vektör Veritabanı",[24,28,31,34,37,41,44,47,50,53,57,60],{"slug":25,"category":5,"name":26,"updated_at":27},"acid","ACID","2026-08-24T02:46:37+00:00",{"slug":29,"category":5,"name":30,"updated_at":27},"ann-search","ANN Arama (Yaklaşık En Yakın Komşu)",{"slug":32,"category":5,"name":33,"updated_at":27},"backpressure","Geri Basınç (Backpressure)",{"slug":35,"category":5,"name":36,"updated_at":27},"batch-processing","Toplu İşleme (Batch Processing)",{"slug":38,"category":5,"name":39,"updated_at":40},"bm25","BM25","2026-08-24T02:46:38+00:00",{"slug":42,"category":5,"name":43,"updated_at":27},"cache","Önbellek (Cache)",{"slug":45,"category":5,"name":46,"updated_at":27},"cap-theorem","CAP Teoremi (CAP Theorem)",{"slug":48,"category":5,"name":49,"updated_at":27},"change-data-capture","Değişiklik Veri Yakalama (CDC)",{"slug":51,"category":5,"name":52,"updated_at":27},"chroma","Chroma",{"slug":54,"category":5,"name":55,"updated_at":56},"chunk-overlap","Parça Örtüşmesi","2026-08-24T03:30:02+00:00",{"slug":58,"category":5,"name":59,"updated_at":27},"columnar-storage","Sütun Tabanlı Depolama",{"slug":61,"category":5,"name":62,"updated_at":27},"connection-pooling","Bağlantı Havuzlama (Connection Pooling)"]