# Kubeflow Reviews **Vendor:** Kubeflow **Category:** [Logiciel d'apprentissage automatique](https://www.g2.com/fr/categories/machine-learning) **Average Rating:** 4.5/5.0 **Total Reviews:** 22 ## About Kubeflow Kubeflow est une plateforme open-source conçue pour faciliter le déploiement, l'orchestration et la gestion des workflows de machine learning (ML) sur Kubernetes. Elle offre une suite complète d'outils couvrant l'ensemble du cycle de vie du ML, permettant aux data scientists et ingénieurs de développer, entraîner et déployer des modèles de manière efficace dans des environnements évolutifs et portables. Caractéristiques clés et fonctionnalités : - Notebooks Kubeflow : Offre des environnements de développement web, tels que Jupyter Notebooks, fonctionnant à l'intérieur de pods Kubernetes, permettant un développement de modèles interactif. - Pipelines Kubeflow : Permet la création et le déploiement de workflows ML portables et évolutifs en utilisant Kubernetes, favorisant la cohérence et la reproductibilité. - Entraîneur Kubeflow : Prend en charge l'entraînement distribué à travers divers frameworks d'IA, y compris PyTorch, Hugging Face, DeepSpeed, MLX, JAX et XGBoost, facilitant l'entraînement de modèles à grande échelle. - Katib Kubeflow : Fournit des capacités de machine learning automatisé, y compris l'optimisation des hyperparamètres, l'arrêt précoce et la recherche d'architecture neuronale, pour optimiser la performance des modèles. - KServe Kubeflow : Offre une plateforme standardisée pour servir des modèles ML à travers plusieurs frameworks, assurant une inférence de modèle évolutive et efficace. - Registre de modèles Kubeflow : Sert de référentiel centralisé pour gérer les modèles ML, les versions et les métadonnées associées, comblant le fossé entre l'expérimentation de modèles et le déploiement en production. Valeur principale et problème résolu : Kubeflow aborde les complexités associées au déploiement et à la gestion des workflows ML en tirant parti de l'évolutivité et de la portabilité de Kubernetes. Il abstrait les complexités de la conteneurisation, permettant aux utilisateurs de se concentrer sur la construction, l'entraînement et le déploiement de modèles sans se soucier de l'infrastructure sous-jacente. En automatisant diverses étapes du cycle de vie du ML, Kubeflow améliore la reproductibilité, l'efficacité et la collaboration entre les data scientists et les ingénieurs, accélérant ainsi le développement et le déploiement de solutions de machine learning. ## Kubeflow Pros & Cons **What users like:** - Les utilisateurs trouvent que l' **efficacité du flux de travail ETL** est améliorée avec Kubeflow, permettant une exécution plus rapide des tâches CRON. (1 reviews) - Les utilisateurs bénéficient de la **flexibilité** de Kubeflow, permettant une gestion et une évolutivité transparentes des flux de travail d'apprentissage automatique. (1 reviews) - Les utilisateurs apprécient la **variété de modèles** que Kubeflow offre, améliorant l'évolutivité et la flexibilité pour les tâches d'apprentissage automatique. (1 reviews) - Les utilisateurs trouvent que la **vitesse des flux de travail ETL** avec Kubeflow est exceptionnellement efficace et permet de gagner du temps. (1 reviews) - Les utilisateurs apprécient la **scalabilité** de Kubeflow, ce qui améliore leur capacité à gérer efficacement les flux de travail d'apprentissage automatique. (1 reviews) **What users dislike:** - Les utilisateurs trouvent que la **complexité** de l'installation et de la gestion de Kubeflow est gourmande en ressources et nécessite une expertise significative. (1 reviews) - Les utilisateurs trouvent que la **configuration initiale et la gestion continue sont complexes** , nécessitant une expertise significative en Kubernetes pour une utilisation efficace. (1 reviews) - Les utilisateurs trouvent que la **configuration difficile** de Kubeflow est complexe et gourmande en ressources, nécessitant une expertise significative en Kubernetes pour la gestion. (1 reviews) - Les utilisateurs trouvent une **capacité limitée** dans Kubeflow, rendant les opérations gourmandes en mémoire difficiles et peu pratiques à exécuter. (1 reviews) - Les utilisateurs trouvent que les **ressources limitées** nécessaires à l'installation et à la gestion de Kubeflow sont complexes et difficiles. (1 reviews) - Problèmes de performance (1 reviews) - Expertise requise (1 reviews) - Expertise technique requise (1 reviews) ## Kubeflow Reviews ### 1. Associé de recherche **Rating:** 5.0/5.0 stars **Reviewed by:** Prashanth B. | Research Associate, Recherche, Petite entreprise (50 employés ou moins) **Reviewed Date:** August 15, 2025 **Qu'aimez-vous le plus à propos de Kubeflow?** C'est la capacité de tirer parti de Kubernetes pour gérer le travail d'apprentissage automatique, offrant une évolutivité, une reproductibilité et une flexibilité accrues. **Que n’aimez-vous pas à propos de Kubeflow?** La configuration initiale et la gestion continue peuvent être complexes et nécessitent des ressources importantes, nécessitant une expertise significative en Kubernetes. **Quels sont les problèmes que Kubeflow résout, et en quoi cela vous est-il bénéfique?** Gérer l'utilisation des ressources du lieu de travail complexe en apprentissage automatique et la collaboration entre les data scientists et les ingénieurs. ### 2. Kubeflow facilite l'exécution de processus par lots rapides sur la plateforme Kubernetes. **Rating:** 5.0/5.0 stars **Reviewed by:** Aditya K. | DevOps Engineer, Entreprise (> 1000 employés) **Reviewed Date:** August 02, 2025 **Qu'aimez-vous le plus à propos de Kubeflow?** nos petits flux de travail ETL basés sur CRON sont rapides avec kubeflow **Que n’aimez-vous pas à propos de Kubeflow?** les opérations intensives en mémoire ne sont pas très faisables pour l'orchestrateur Kubeflow **Quels sont les problèmes que Kubeflow résout, et en quoi cela vous est-il bénéfique?** Nous exécutons rapidement des tâches ETL telles que la collecte de données d'actualités ou le scraping de données de wiki ou de confluence, car le traitement des XML vers une base de données structurée ou vectorielle est plus facile dans l'orchestrateur Kubeflow. ### 3. Revue de Kuberflow **Rating:** 4.0/5.0 stars **Reviewed by:** Barkath U. | Senior Process Associate, Entreprise (> 1000 employés) **Reviewed Date:** July 31, 2024 **Qu'aimez-vous le plus à propos de Kubeflow?** J'aime sa portabilité, ce qui facilite le travail avec n'importe quel cluster Kubernetes, que ce soit sur un seul ordinateur ou dans le cloud. **Que n’aimez-vous pas à propos de Kubeflow?** C'était difficile à configurer initialement, nous devions garder des membres d'équipe dédiés pour le configurer. **Quels sont les problèmes que Kubeflow résout, et en quoi cela vous est-il bénéfique?** C'est très utile pour simplifier les flux de travail ML après la mise en œuvre de Kuberflow, l'efficacité du flux de travail a été augmentée. ### 4. Superbe outil d'orchestration respectant toutes les meilleures pratiques Mlops. **Rating:** 4.0/5.0 stars **Reviewed by:** Akash D. | Senior Data Engineer, Petite entreprise (50 employés ou moins) **Reviewed Date:** July 22, 2021 **Qu'aimez-vous le plus à propos de Kubeflow?** 1. Il utilise Kubernetes comme backend. 2. Il adhère aux meilleures pratiques de Mlops et de la containerisation. 3. Une fois qu'un flux de travail est correctement défini, il devient très facile de l'automatiser. 4. Il dispose d'un excellent SDK Python pour concevoir des pipelines. 5. L'interface utilisateur pour utiliser le pipeline Kubeflow est géniale. 6. Il a également affiché tous les journaux. **Que n’aimez-vous pas à propos de Kubeflow?** 1. Courbe d'apprentissage initiale abrupte car elle implique une grande variété de concepts sous un même toit. 2. Donc, l'utilisateur doit avoir des connaissances en dehors des sujets habituels de ML sur la technologie Docker/Container, Kubernetes. 3. Même le processus de configuration initiale n'est pas si intuitif. 4. D'après le matériel disponible dans sa documentation, il semble que le configurer soit relativement facile sur GCP (en fait, je l'ai utilisé uniquement sur GCP). **Recommandations à d’autres personnes envisageant Kubeflow:** 1. Si vous utilisez déjà Kubernetes, ajouter Kubeflow à votre pile dynamisera vos flux de travail. 2. Vous devrez adopter l'approche Microservice qui vous apportera certainement des avantages à long terme. 3. Mais soyez prêt pour la courbe d'apprentissage initiale abrupte et le processus d'installation pas si facile. **Quels sont les problèmes que Kubeflow résout, et en quoi cela vous est-il bénéfique?** 1. Boutique unique pour orchestrer n'importe quel flux de travail en utilisant Kubernetes. 2. Nous utilisions déjà Kubernetes comme backend avant Kubeflow et tous les ingénieurs ML n'étaient pas à l'aise pour l'utiliser. Kubeflow a résolu ce problème car il utilise également Kubernetes comme backend mais a aussi fourni une belle interface utilisateur intuitive pour contrôler les flux de travail. 3. Nous utilisons principalement Kubeflow pour tous nos cas d'utilisation de vision par ordinateur. 4. Cela implique l'entraînement, l'inférence et même le service interne. Pour les clients externes, nous avions développé une infrastructure de service en interne. 5. Après avoir adopté Kubeflow, nous avons également dû adopter l'approche microservices, ce qui s'est avéré être une bénédiction déguisée. ### 5. Kubeflow pour l'apprentissage automatique **Rating:** 4.0/5.0 stars **Reviewed by:** Li R. | Software Engineer, Entreprise (> 1000 employés) **Reviewed Date:** July 10, 2021 **Qu'aimez-vous le plus à propos de Kubeflow?** Automatise le flux de production d'apprentissage automatique. Kubeflow peut être facilement intégré avec Kubernetes sur de nombreux fournisseurs de cloud différents, tels qu'Amazon Web Service (en utilisant Elastic Kubernetes Service), ou avec Google Cloud (avec Google Kubernetes Engine). Il dispose d'une interface API dans différentes langues, particulièrement facile à intégrer avec Python et les conteneurs Docker. Ce qui aide les utilisateurs à construire leurs propres pipelines d'apprentissage automatique réexécutables et modulaires. **Que n’aimez-vous pas à propos de Kubeflow?** Pas d'intégration facile avec Terraform et intégration avec les serveurs de noms de domaine sur Amazon Web Service. Ce qui signifie que le déploiement de Kubeflow peut être difficile en fonction de l'apparence de l'infrastructure existante. Si les entreprises ont déjà des modèles existants à intégrer avec Kubeflow qui n'utilisent pas de conteneurs, cela pourrait nécessiter un effort supplémentaire pour les mettre en œuvre, car Kubeflow est mieux utilisé avec des conteneurs Docker et fonctionne sur Kubernetes. **Recommandations à d’autres personnes envisageant Kubeflow:** Kubeflow est l'une des technologies qui fonctionne le mieux avec Kubernetes et l'une des technologies d'apprentissage automatique les plus récentes qui prend en charge la construction de pipelines, ce qui a traditionnellement été difficile dans le domaine de l'apprentissage automatique. **Quels sont les problèmes que Kubeflow résout, et en quoi cela vous est-il bénéfique?** Les problèmes de machine learning en production peuvent être résolus avec kubeflow ainsi que la construction de pipelines. Les avantages de kubeflow sont la facilité d'utilisation, une interface utilisateur centralisée et la facilité d'intégration avec les technologies docker. Pour les data scientists qui ne veulent pas écrire beaucoup de code, Kubeflow offre un moyen agréable d'exécuter et de réexécuter des expériences, d'entraîner des modèles, de publier des modèles ainsi que de gérer des pipelines. ### 6. Kubeflow en tant que plateforme ML évolutive, portable et distribuée **Rating:** 5.0/5.0 stars **Reviewed by:** Motilal S. | Group Leader, Data Scientist, Entreprise (> 1000 employés) **Reviewed Date:** July 17, 2021 **Qu'aimez-vous le plus à propos de Kubeflow?** Scalabilité, portabilité et distribuer. La fonctionnalité tout-en-un de Kubeflow a rendu l'équipe facile à utiliser et a permis de gagner beaucoup de temps. C'est facile à utiliser pour les nouveaux apprenants. **Que n’aimez-vous pas à propos de Kubeflow?** Il y avait un besoin de fonctionnalité CI/CD pour l'équipe. Sur Kubeflow, la fonctionnalité de CI/CD n'a pas pu être trouvée. **Recommandations à d’autres personnes envisageant Kubeflow:** Plus tôt, avait utilisé Airflow en combinaison avec d'autres logiciels pour résoudre le même objectif. Cependant, avec Kubeflow, la vie est devenue beaucoup plus facile grâce à ses riches fonctionnalités pour le développement et le déploiement de modèles ML. **Quels sont les problèmes que Kubeflow résout, et en quoi cela vous est-il bénéfique?** Automatisation des modèles ML. Pour le développement d'un système de flux de travail ML. Aussi pour la création d'un système ML avec tous ses composants. Cela a permis d'économiser beaucoup de temps et d'énergie pour l'architecte de modèle et les développeurs de modèles. ### 7. Expérience dans l'exploration des pipelines Kubeflow pour le déploiement de modèles **Rating:** 5.0/5.0 stars **Reviewed by:** Utilisateur vérifié à Logiciels informatiques | Entreprise (> 1000 employés) **Reviewed Date:** July 27, 2021 **Qu'aimez-vous le plus à propos de Kubeflow?** 1. Le kubeflow est basé sur kubernetes, il facilite grandement la mise à l'échelle des modèles et l'équilibrage de charge. 2. Les pipelines sont très élégants et rendent les étapes très claires. **Que n’aimez-vous pas à propos de Kubeflow?** 1. La documentation de Kubeflow est incomplète et certains exemples de codes sources (surtout pour les images Docker) sont difficiles à trouver. 2. Il n'y a pas d'exemples simples de passage de données à différentes étapes dans les pipelines. 3. La courbe d'apprentissage du DSL est élevée pour les data scientists. **Recommandations à d’autres personnes envisageant Kubeflow:** Kubeflow est une excellente plateforme pour le déploiement de modèles et il y a une certaine courbe d'apprentissage pour les data scientists. **Quels sont les problèmes que Kubeflow résout, et en quoi cela vous est-il bénéfique?** Notre équipe explore différentes plateformes pour déployer le mode en production et souhaite trouver la plateforme la plus adaptée. Les principaux avantages de Kubeflow sont qu'il est basé sur Kubernetes, ce qui rend l'équilibrage de charge assez facile. ### 8. Déploiement le plus rapide des systèmes d'apprentissage automatique **Rating:** 4.5/5.0 stars **Reviewed by:** Saradindu S. | Machine Learning Engineer, Petite entreprise (50 employés ou moins) **Reviewed Date:** July 26, 2021 **Qu'aimez-vous le plus à propos de Kubeflow?** J'aime particulièrement la façon dont il prend en charge tous les cadres de ML disponibles, à commencer par tfx, pytorch, Caffe. **Que n’aimez-vous pas à propos de Kubeflow?** J'aimerais avoir un magasin de fonctionnalités complet avec des opérations CRUD sur des points de terminaison REST, bien que cela soit en version bêta et sera rapidement publié pour la version stable. **Recommandations à d’autres personnes envisageant Kubeflow:** Il est utile d'utiliser Kubeflow en conjonction avec d'autres produits d'IA/ML de la plateforme Google Cloud, puis Kubeflow brille réellement. Il existe également une version d'entreprise complète disponible dans GCP, Vertex AI. **Quels sont les problèmes que Kubeflow résout, et en quoi cela vous est-il bénéfique?** J'utilise kubleflow comme principale plateforme mlops pour déployer rapidement des modèles de machine learning en production avec une latence minimale. ### 9. La recherche de support et de documentation doit s'améliorer **Rating:** 3.5/5.0 stars **Reviewed by:** Utilisateur vérifié à Matériel informatique | Entreprise (> 1000 employés) **Reviewed Date:** July 11, 2021 **Qu'aimez-vous le plus à propos de Kubeflow?** Pipeline et visualisation et artefacts dans le pipeline **Que n’aimez-vous pas à propos de Kubeflow?** Écrire du code pour créer un pipeline. Kale est disponible mais on attend une solution native de Kubeflow pour simplifier le flux de travail complet. Il n'y a pas assez de documentation et une simple recherche Google ne fournit pas de solution rapide. Même la communauté Stack Overflow n'est pas développée. Une approche simple basée sur une interface utilisateur pour rendre l'ensemble de la pile facile et accessible est nécessaire. **Recommandations à d’autres personnes envisageant Kubeflow:** Il est nécessaire d'être minutieux avec Kubernetes et d'être solide avec la FAQ et le dépannage. Soyez prêt à coder pour effectuer des opérations simples et développez des experts en la matière (SME) séparés pour Kubeflow, car un Data Scientist et un Ingénieur en apprentissage automatique pourraient ne pas être le bon choix pour cela. **Quels sont les problèmes que Kubeflow résout, et en quoi cela vous est-il bénéfique?** Créer des pipelines réutilisables. Utiliser Katib pour ajuster les hyperparamètres et effectuer plusieurs exécutions d'expériences avec des paramètres changeants et enregistrer ces exécutions. ### 10. Outil incroyable ! **Rating:** 5.0/5.0 stars **Reviewed by:** Shivam A. | MLOps Engineer (GreenLake Developer), Entreprise (> 1000 employés) **Reviewed Date:** July 15, 2021 **Qu'aimez-vous le plus à propos de Kubeflow?** C'est la convivialité et le lancement facile de notebooks et la création de modèles sur le cloud ! Kubeflow peut être facilement configuré sur un cloud et de nombreux ingénieurs/scientifiques des données peuvent tirer parti de cela. **Que n’aimez-vous pas à propos de Kubeflow?** Rien pour le moment. **Recommandations à d’autres personnes envisageant Kubeflow:** Il est très recommandé à toutes les entreprises qui s'engagent ou se développent sur la plateforme cloud. **Quels sont les problèmes que Kubeflow résout, et en quoi cela vous est-il bénéfique?** Nous construisons un pipeline avec cela où nous déployons nos services internes d'entreprise et ensuite les utilisateurs finaux tels que les ingénieurs/scientifiques des données peuvent tirer parti de ces services pour créer des modèles. ### 11. Grande expérience avec Kubeflow lors de l'utilisation pour MLOps sur GCP **Rating:** 4.0/5.0 stars **Reviewed by:** Vinod S. | Data Scientist (Consultant), Entreprise (> 1000 employés) **Reviewed Date:** July 27, 2021 **Qu'aimez-vous le plus à propos de Kubeflow?** Façon organisée de travailler sur des projets de science des données. Suivi des expériences. **Que n’aimez-vous pas à propos de Kubeflow?** Complexité et courbe d'apprentissage pour créer des solutions sur mesure personnalisées **Recommandations à d’autres personnes envisageant Kubeflow:** D'abord, commencez par beaucoup d'expérimentation avec un petit projet, puis passez à une application dans le monde réel. Parce que cela prend beaucoup de temps pour apprendre les moindres détails. **Quels sont les problèmes que Kubeflow résout, et en quoi cela vous est-il bénéfique?** J'ai travaillé sur MLOps sur GCP en utilisant Kubeflow. C'est utile pour retracer les erreurs et les journaux dans le processus. ### 12. Revue de KubeFlow **Rating:** 5.0/5.0 stars **Reviewed by:** Kanika J. | data scientist, Petite entreprise (50 employés ou moins) **Reviewed Date:** July 23, 2021 **Qu'aimez-vous le plus à propos de Kubeflow?** alors, comme les pipelines kubeflow sont le meilleur moyen de construire des flux de travail ML. et c'est un projet open-source dirigé par la communauté. **Que n’aimez-vous pas à propos de Kubeflow?** en réalité, installer Kubernetes correctement n'est pas facile. Kubeflow a de nombreux composants qui rendent en fait le fonctionnement de Kubeflow plus complexe. **Quels sont les problèmes que Kubeflow résout, et en quoi cela vous est-il bénéfique?** ainsi, l'utilisation de kubeflow nous aide à gérer les ressources informatiques, le stockage, le réseau et l'informatique hétérogène de manière plus efficace. également, il élimine la plupart des processus manuels existants, qui impliquent le déploiement, la mise à l'échelle et la gestion des applications. ### 13. Revue de Kubeflow **Rating:** 5.0/5.0 stars **Reviewed by:** Kanika J. | Data Scientist, Petite entreprise (50 employés ou moins) **Reviewed Date:** July 17, 2021 **Qu'aimez-vous le plus à propos de Kubeflow?** c'est une excellente plateforme pour les data scientists qui souhaitent créer des pipelines de ML et construire ces pipelines. il n'y a pas de complexité à créer ces pipelines. **Que n’aimez-vous pas à propos de Kubeflow?** ce n'est pas très fiable et l'employé fait également face à beaucoup de complexité pour le configurer **Quels sont les problèmes que Kubeflow résout, et en quoi cela vous est-il bénéfique?** pendant la préparation des données, l'entraînement et le déploiement des cas d'utilisation de l'apprentissage automatique, nous devons créer des pipelines. aussi, c'est open source. ### 14. Kubeflow est le meilleur pour MLOPS **Rating:** 4.0/5.0 stars **Reviewed by:** Utilisateur vérifié à Technologie de l'information et services | Petite entreprise (50 employés ou moins) **Reviewed Date:** July 21, 2021 **Qu'aimez-vous le plus à propos de Kubeflow?** Kubeflow nous aide à répondre aux exigences de chaque étape du cycle de vie du ML, de l'exploration à l'entraînement et au déploiement. Nous utilisons principalement Kubeflow pour construire les pipelines ML, il est plus rapide comparé à Apache Airflow. **Que n’aimez-vous pas à propos de Kubeflow?** Nous utilisions Airflow auparavant, nous avons rencontré quelques difficultés à configurer Kubeflow en raison de la documentation limitée, mais une fois que cela a été fait, nous sommes à l'aise pour l'utiliser. **Quels sont les problèmes que Kubeflow résout, et en quoi cela vous est-il bénéfique?** nous utilisons Kubeflow pour construire des pipelines ML pour les exigences d'AI OP, sa performance est supérieure par rapport à Ariflow et son support avec différents environnements. ### 15. Mon expérience avec Kubeflow **Rating:** 5.0/5.0 stars **Reviewed by:** Ajeethan N. | Software QA Consultant, Marché intermédiaire (51-1000 employés) **Reviewed Date:** August 02, 2021 **Qu'aimez-vous le plus à propos de Kubeflow?** Très convivial et facile à utiliser, rendant également ma vie professionnelle plus facile. **Que n’aimez-vous pas à propos de Kubeflow?** Parfois, je rencontre des problèmes de lenteur, mais c'est gérable et ce n'est pas un gros problème. **Quels sont les problèmes que Kubeflow résout, et en quoi cela vous est-il bénéfique?** Automatisation du processus avec GitLap ### 16. Expérimentation et surveillance transparentes **Rating:** 4.0/5.0 stars **Reviewed by:** Shivanshu S. | Consultant - Data Science, Petite entreprise (50 employés ou moins) **Reviewed Date:** July 12, 2021 **Qu'aimez-vous le plus à propos de Kubeflow?** Capacité à expérimenter sans effort avec différents paramètres et à stocker les résultats. **Que n’aimez-vous pas à propos de Kubeflow?** L'intégration avec les notebooks Python est un peu compliquée avec peu de directives claires. Manque de documentation appropriée. **Recommandations à d’autres personnes envisageant Kubeflow:** parcourir la documentation d'abord **Quels sont les problèmes que Kubeflow résout, et en quoi cela vous est-il bénéfique?** Pipeline pour une prédiction du risque de maladie ### 17. Solution intelligente pour ML de bout en bout **Rating:** 4.5/5.0 stars **Reviewed by:** Utilisateur vérifié à Logiciels informatiques | Marché intermédiaire (51-1000 employés) **Reviewed Date:** July 06, 2021 **Qu'aimez-vous le plus à propos de Kubeflow?** Possibilité de gérer toutes les phases du cycle de vie des modèles ML au même endroit **Que n’aimez-vous pas à propos de Kubeflow?** Parfois, la documentation est difficile à suivre dans un scénario sur site. **Recommandations à d’autres personnes envisageant Kubeflow:** non **Quels sont les problèmes que Kubeflow résout, et en quoi cela vous est-il bénéfique?** Kubeflow deviendra le centre de l'activité de notre entreprise car il gère toutes les phases du cycle de vie des modèles ML. ### 18. Kubeflow - Le meilleur pour MLops **Rating:** 5.0/5.0 stars **Reviewed by:** Utilisateur vérifié à Enseignement supérieur | Entreprise (> 1000 employés) **Reviewed Date:** July 14, 2021 **Qu'aimez-vous le plus à propos de Kubeflow?** Cela offre une opportunité de faire en sorte que toutes les choses se passent sur le cloud et facilite les responsabilités du Data Scientist/ingénieur ML. **Que n’aimez-vous pas à propos de Kubeflow?** Rien pour le moment. En ce qui concerne mon travail sur Kubeflow... **Quels sont les problèmes que Kubeflow résout, et en quoi cela vous est-il bénéfique?** Développement d'algorithmes d'apprentissage automatique pour prédire et aider les clients à prendre de meilleures décisions de manière plus simple. ### 19. Examen de Kubeflow **Rating:** 4.5/5.0 stars **Reviewed by:** Utilisateur vérifié à Technologie de l'information et services | Marché intermédiaire (51-1000 employés) **Reviewed Date:** July 28, 2021 **Qu'aimez-vous le plus à propos de Kubeflow?** Les pipelines Kubeflow sont les meilleurs pour exécuter des modèles d'apprentissage automatique. **Que n’aimez-vous pas à propos de Kubeflow?** Pas grand-chose, mais les API doivent être plus conviviales. **Recommandations à d’autres personnes envisageant Kubeflow:** Meilleur outil pour déployer vos modèles ML en production **Quels sont les problèmes que Kubeflow résout, et en quoi cela vous est-il bénéfique?** Déploiement de modèles ML avec Kubeflow sur un serveur AWS ### 20. J'utilise Kubeflow depuis 8 mois. Travailler avec Kubeflow a rendu ma vie si simple. **Rating:** 4.5/5.0 stars **Reviewed by:** Utilisateur vérifié à Logiciels informatiques | Petite entreprise (50 employés ou moins) **Reviewed Date:** July 03, 2021 **Qu'aimez-vous le plus à propos de Kubeflow?** Les pipelines dans Kubeflow ont rendu mon processus d'orchestration très facile. **Que n’aimez-vous pas à propos de Kubeflow?** Gestion des artefacts. Peut-être une intégration directe avec S3 et d'autres stockages via l'interface utilisateur. **Quels sont les problèmes que Kubeflow résout, et en quoi cela vous est-il bénéfique?** J'ai principalement utilisé les pipelines de Kubeflow. Dockeriser tout est la meilleure partie. ### 21. Kubeflow, la manière plus intelligente de faire évoluer l'apprentissage automatique **Rating:** 4.0/5.0 stars **Reviewed by:** Utilisateur vérifié à Défense et espace | Petite entreprise (50 employés ou moins) **Reviewed Date:** July 02, 2021 **Qu'aimez-vous le plus à propos de Kubeflow?** La facilité de mise en œuvre et d'intégration **Que n’aimez-vous pas à propos de Kubeflow?** Il y a un coût de changement élevé et un investissement en temps requis. **Quels sont les problèmes que Kubeflow résout, et en quoi cela vous est-il bénéfique?** Nous devions itérer aussi rapidement que possible et Kubeflow, une fois mis en place, était plus rapide que tout ce que nous avions essayé. ### 22. Nous pouvons automatiser le ML avec Kubeflow. **Rating:** 4.0/5.0 stars **Reviewed by:** Utilisateur vérifié à Logiciels informatiques | Petite entreprise (50 employés ou moins) **Reviewed Date:** July 02, 2021 **Qu'aimez-vous le plus à propos de Kubeflow?** Auto ML, notebook, expérience katib, pipelines **Que n’aimez-vous pas à propos de Kubeflow?** Rien à détester, nécessite quelques composants. **Quels sont les problèmes que Kubeflow résout, et en quoi cela vous est-il bénéfique?** J'utilise le cas d'utilisation DeepAR pour les séries temporelles. ## Kubeflow Discussions - [Is Kubeflow any good?](https://www.g2.com/fr/discussions/is-kubeflow-any-good) - [What is difference between Kubernetes and Kubeflow?](https://www.g2.com/fr/discussions/what-is-difference-between-kubernetes-and-kubeflow) - [What are the components of Kubeflow?](https://www.g2.com/fr/discussions/what-are-the-components-of-kubeflow) - [What can Kubeflow do?](https://www.g2.com/fr/discussions/what-can-kubeflow-do) - [How do people manage Kubeflow with 100+ users](https://www.g2.com/fr/discussions/how-do-people-manage-kubeflow-with-100-users) - 1 upvote - [View Kubeflow pricing details and edition comparison](https://www.g2.com/fr/products/kubeflow/reviews?qs=pros-and-cons§ion=pricing&secure%5Bexpires_at%5D=2026-05-23+07%3A59%3A36+-0500&secure%5Bsession_id%5D=beb7fde9-741e-4fe8-afbd-adfaeac22705&secure%5Btoken%5D=bafb3961e5239f49534905933f9779bf53e786c0df05a349a5b307e2216567d5&format=llm_user) ## Kubeflow Features **déploiement** - Flexibilité linguistique - Flexibilité du cadre - Gestion des versions - Facilité de déploiement - Évolutivité **déploiement** - Flexibilité linguistique - Flexibilité du cadre - Gestion des versions - Facilité de déploiement - Évolutivité **Intégration - Apprentissage automatique** - Intégration **Conception et intégration de flux de travail - Orchestration de l'IA** - Gestion des dépendances - Coordination du flux de travail - Connectivité API multi-fournisseurs - Création de flux de travail en plusieurs étapes - Intégration des systèmes d'entreprise - Pipelines de données en temps réel **management** - Catalogage - Surveillance - Gouvernant - Registre des modèles **Opérations** - Métriques - Gestion de l’infrastructure - Collaboration **Apprentissage - Apprentissage automatique** - Données d'entraînement - Idées exploitables - Algorithme **Optimisation des performances et analyse - Orchestration de l'IA** - Tableaux de bord de performance des flux de travail - Rapport de flux de travail - Surveillance de l'utilisation des ressources - Gestion des ressources informatiques - Mise à l'échelle dynamique - Surveillance des composants **management** - Catalogage - Surveillance - Gouvernant **Gouvernance et contrôles de conformité - Orchestration de l'IA** - Conformité réglementaire - Application de la politique de gouvernance - Contrôle d'accès basé sur les rôles - Gestion de la piste d'audit - Protocoles de sécurité **IA générative** - Génération de texte - Résumé du texte ## Top Kubeflow Alternatives - [Gemini Enterprise Agent Platform](https://www.g2.com/fr/products/gemini-enterprise-agent-platform/reviews) - 4.3/5.0 (649 reviews) - [SAS Viya](https://www.g2.com/fr/products/sas-sas-viya/reviews) - 4.3/5.0 (755 reviews) - [Automation Anywhere Agentic Process Automation](https://www.g2.com/fr/products/automation-anywhere-agentic-process-automation/reviews) - 4.5/5.0 (4,011 reviews)