Kubeflow 1.4 apporte des améliorations majeures en termes d’usages par rapport aux versions précédentes, notamment un opérateur d’entraînement unifié. Ce dernier prend en charge les frameworks d’IA/ML populaires TensorFlow, MXNet, XGBoost et PyTorch. Cela simplifie considérablement la solution, améliorant l’extensibilité future et consommant moins de ressources sur le cluster Kubernetes.

L’intégration de MLFlow, la plateforme open source pour la gestion du cycle de vie des modèles d’IA/ML, a été ajoutée à la solution Charmed Kubeflow, permettant une véritable gestion automatisée du cycle de vie des modèles à l’aide des métriques MLFlow et du registre de modèles MLFlow.

Les data scientistes et les ingénieurs de données peuvent utiliser la capacité d’intégration de MLFlow pour construire une détection automatique de la dérive des modèles et déclencher un pipeline de recyclage de modèles Kubeflow. La dérive du modèle se produit lorsque la précision du modèle commence à diminuer au fil du temps en raison de changements dans l’ensemble de données de prédiction en direct par rapport à l’ensemble de données d’entraînement.

Charmed Kubeflow 1.4 prend entièrement en charge les scénarios de déploiement multi-utilisateurs pour tous les composants Kubeflow, y compris les notebooks, pipelines et expériences Kubeflow. Cette mise à jour simplifie l’utilisation de Charmed Kubeflow afin d’améliorer la gouvernance et de réduire l’occurrence des environnements shadow-IT, tout en aidant à lutter contre les fuites de données organisationnelles.

Charmed Kubeflow est libre d’utilisation : la solution peut être déployée dans n’importe quel environnement sans contraintes, paywall ou fonctionnalités restreintes. Les datalabs et les équipes MLOps n’ont qu’à former une seule fois leurs data scientistes et leurs ingénieurs pour travailler de manière cohérente et efficace sur n’importe quel cloud ou infrastructure on-premise. Charmed Kubeflow offre une plateforme MLOps centralisée, basée sur un navigateur, qui fonctionne sur n’importe quel Kubernetes conforme, offrant une productivité accrue, une meilleure gouvernance et réduisant les risques associés au shadow IT.

Les data scientistes peuvent commencer dès aujourd’hui avec Charmed Kubeflow 1.4 en utilisant Juju, le framework unifié pour la gestion hyper-automatisée des applications fonctionnant à la fois sur des machines virtuelles et sur Kubernetes. La nouvelle version se trouve dès à présent sur CharmHub et peut être déployée sur tout cluster Kubernetes conforme à l’aide d’une seule commande Juju.