Kubeflow est une solution open source conçue pour simplifier, rendre portable et scalable l'intelligence artificielle (IA) et le machine learning (ML) sur Kubernetes. Cette plateforme offre un écosystème de composants basés sur Kubernetes, adaptés à chaque étape du cycle de vie de l'IA/ML, avec un support pour les meilleurs outils et frameworks open source. Kubeflow permet de déployer des solutions d'IA et de ML partout où Kubernetes est exécuté.
Parmi les composants clés de Kubeflow, on trouve Kubeflow Pipelines (KFP), une plateforme pour construire et déployer des workflows de machine learning portables et scalables. Kubeflow Notebooks permet d'exécuter des environnements de développement web sur votre cluster Kubernetes en les exécutant dans des Pods. Le Kubeflow Central Dashboard sert de hub pour connecter les interfaces web authentifiées de Kubeflow et d'autres composants de l'écosystème.
Katib, un projet natif de Kubernetes pour l'apprentissage automatique automatisé (AutoML), prend en charge l'optimisation des hyperparamètres, l'arrêt précoce et la recherche d'architecture neuronale. Le Kubeflow Training Operator offre une interface unifiée pour l'entraînement et le réglage fin des modèles sur Kubernetes, exécutant des tâches d'entraînement scalables et distribuées pour des frameworks populaires comme PyTorch, TensorFlow, MPI, MXNet, PaddlePaddle, et XGBoost.
KServe (anciennement KFServing) résout le problème du service de modèles en production sur Kubernetes, offrant des interfaces de haut niveau et performantes pour des frameworks comme Tensorflow, XGBoost, ScikitLearn, PyTorch, et ONNX.
Kubeflow est soutenu par une communauté ouverte et accueillante de développeurs de logiciels, de scientifiques des données et d'organisations. La communauté organise des appels hebdomadaires, des discussions sur la liste de diffusion et des échanges sur le Slack Workspace. Kubeflow est un projet de la Cloud Native Computing Foundation.
