Kubeflow

Kubeflow bündelt die Teile, die ein Data-Science-Team benötigt, um ML-Workflows auf Kubernetes auszuführen – Pipeline-Orchestrierung, verteilte Trainingsjobs, Hyperparameter-Tuning, Modell-Serving und Notebook-Umgebungen –, sodass ein Platform-Team nicht jedes Teil separat zusammenbauen und integrieren muss. Es ist speziell dafür gebaut, ML-Workloads in dieselbe Kubernetes-Infrastruktur zu bringen, die ein Team bereits betreibt.

Kubeflow eignet sich für Platform-Teams, die ML-Infrastruktur auf Kubernetes standardisieren – eine breitere End-to-End-MLOps-Plattform als fokussiertere Tools wie MLflow (ebenfalls in diesem Katalog), das speziell Experiment-Tracking und Modellverwaltung übernimmt.