Exécuter des workflows d'apprentissage automatique sur Kubeflow

Les données ne sont que des octets jusqu'à ce que nous en fassions quelque chose. Que nous les structurions, les exposions, les exportions, les ingériions ou les visualisions, les données doivent provenir de quelque part et elles doivent être formées d'une manière particulière pour les visualiser ou les utiliser de la manière dont nous avons besoin.

Lorsqu’il s’agit d’IA (qu’il s’agisse ou non de GenAI), les mêmes règles s’appliquent.

L'apprentissage automatique est une méthode d'entraînement des données pour extraire ce dont vous avez besoin à partir de ces données.

Dans cet article de blog, vous apprendrez comment exécuter des workflows ML avec Kubeflow, une méthode d'exécution de ML sur Kubernetes.

Qu'est-ce que Kubeflow

Kubeflow est une plateforme open source qui vous permet d'ingérer, d'entraîner, d'expérimenter et de modéliser des données. Les données peuvent comprendre de trois lignes et trois colonnes à des milliers et des milliers d'ensembles de données.

Maintenant, la question est : pourquoi Kubeflow ?

Tout d’abord, de nombreux environnements fonctionnent désormais sur Kubernetes (pas tous, mais une bonne partie) et Kubernetes vous permet de réduire l’empreinte des piles d’applications. Par exemple, les ingénieurs devaient faire tourner des machines virtuelles uniquement pour faire fo...
[Courte citation de 8% de l'article original]