Rechercher
Contactez-nous Suivez-nous sur Twitter En francais English Language
 











Abonnez-vous gratuitement à notre NEWSLETTER

Newsletter FR

Newsletter EN

Vulnérabilités

Se désabonner

Canonical lance Charmed Kubeflow 1.8

novembre 2023 par Marc Jacob

Canonical annonce la disponibilité générale de Charmed Kubeflow 1.8. Charmed Kubeflow est une plateforme MLOps Open Source de bout en bout qui permet de développer et de déployer facilement des modèles d’IA/ML. Elle fonctionne sur n’importe quel cloud, y compris les scénarios de cloud hybride ou multi-cloud.

Cette dernière version offre également la possibilité d’exécuter des charges de travail d’IA/ML dans des environnements air-gapped. Elle permet d’exécuter des charges de travail hors ligne dans un environnement air-gapped, en plus des clouds publics et des datacenters sur site. Avec l’inclusion de cette fonctionnalité, Charmed Kubeflow offre une couche de sécurité supplémentaire et permet de réaliser la majeure partie du flux de travail d’apprentissage automatique dans un seul outil, et d’éviter de perdre du temps à connecter des outils et à assurer la compatibilité entre eux.

Charmed Kubeflow 1.8 apporte de nouvelles améliorations qui permettent aux utilisateurs finaux de personnaliser leur plateforme MLOps. Les utilisateurs peuvent ajouter n’importe quelle image dans leur carnet Jupyter. Cela donne aux professionnels la liberté de choisir leurs outils et bibliothèques préférés, et de se concentrer sur le développement de modèles d’apprentissage automatique plutôt que sur la maintenance de leurs outils. Les utilisateurs peuvent ajouter ou retirer des outils ou des composants en fonction du cas d’utilisation pour travailler efficacement.

Charmed Kubeflow bénéficie de la nouvelle version de Kubeflow Pipelines 2.0, qui simplifie davantage le processus d’automatisation. Certaines fonctionnalités, telles que les graphes acycliques dirigés (DAG), sont disponibles depuis un certain temps en version bêta, mais cette version permet, par exemple, de faire abstraction du format de représentation du pipeline, de sorte qu’il peut fonctionner sur n’importe quelle plateforme MLOps. Cela se traduit par des migrations plus fluides du projet en amont vers des distributions ou des outils qui peuvent offrir un support d’entreprise, des correctifs de sécurité ou des corrections de bogues dans le temps.


Voir les articles précédents

    

Voir les articles suivants