演讲提纲：

1. 第四范式在落地机器学习实时应用过程中遇到的问题
   • 实时场景的特征工程落地
     • 离线探索特征方案
     • 实时特征方案翻译: 性能、沟通成本和一致性等问题
2. OpenMLDB 早期的解决方案
   • FeQL
     • 优点：统一的 DSL，满足性能和一致性的需求
     • 缺点：DSL 的设计上对用户不友好，学习成本较高
   • 自动特征工程带来的问题
     • 特征的复杂度提升
       • 性能问题
     • 人类视角的解读困难
3. OpenMLDB 今天的方案
   • FeSQL：易用易学
   • 面向机器学习应用优化的 SQL 引擎
     • 进一步的性能提升
   • 面向机器学习应用优化的 In-memory 存储引擎
4. 案例分析：某银行事中交易反欺诈
5. OpenMLDB 的未来规划

你将获得：获取开发机器学习应用新的思路，以及了解当前机器学习应用开发面临的挑战。