Llegamos a ustedes gracias a:



Noticias

Kubeflow 1.0 resuelve los flujos de trabajo de aprendizaje automático con Kubernetes

[05/03/2020] Kubeflow, la solución de Google para desplegar pilas de aprendizaje automático en los kubernetes, ya está disponible como versión oficial 1.0.

Kubeflow se creó para abordar dos problemas importantes en los proyectos de aprendizaje automático: la necesidad de flujos de trabajo integrados e integrales, y la necesidad de hacer que los sistemas de aprendizaje automático sean sencillos, manejables y escalables. Kubeflow permite a los científicos de datos construir flujos de trabajo de aprendizaje automático en Kubernetes y desplegar, gestionar y escalar modelos de aprendizaje automático en producción sin aprender las complejidades de los Kubernetes o sus componentes.

Kubeflow está diseñado para gestionar cada fase de un proyecto de aprendizaje automático: escribir el código, construir los contenedores, asignar los recursos de los Kubernetes para ejecutarlos, entrenar los modelos y servir las predicciones de esos modelos. El lanzamiento de Kubeflow 1.0 proporciona herramientas, como los cuadernos Jupyter para trabajar con los experimentos de datos y una interfaz de usuario de tablero basada en la web para la supervisión general, para ayudar en cada fase.

Google afirma que Kubeflow proporciona repetibilidad, aislamiento, escala y resistencia no solo para la formación de modelos y la prestación de servicios de predicción, sino también para el desarrollo y el trabajo de investigación. Los portátiles Jupyter que funcionan con Kubeflow pueden tener recursos y procesos limitados, y pueden reutilizar configuraciones, acceso a secretos y fuentes de datos.

Varios componentes del Kubeflow están todavía en desarrollo y se pondrán en marcha en un futuro próximo. Pipeline permite crear flujos de trabajo complejos utilizando Python. Metada proporciona una manera de rastrear los detalles sobre los modelos individuales, los conjuntos de datos, los trabajos de capacitación y las ejecuciones de predicción. Katib ofrece a los usuarios de Kubeflow un mecanismo para realizar el ajuste de hiperparámetros, una forma automatizada de mejorar la precisión de las predicciones de los modelos.