Já se passaram dois meses desde que este perfil recebeu uma nova avaliação

Avaliações e Detalhes do Produto Kubeflow

Kubeflow é uma plataforma de código aberto projetada para facilitar a implantação, orquestração e gerenciamento de fluxos de trabalho de aprendizado de máquina (ML) no Kubernetes. Ela fornece um conjunto abrangente de ferramentas que cobrem todo o ciclo de vida do ML, permitindo que cientistas de dados e engenheiros desenvolvam, treinem e implantem modelos de forma eficiente em ambientes escaláveis e portáteis. Principais Recursos e Funcionalidades: - Notebooks do Kubeflow: Oferece ambientes de desenvolvimento baseados na web, como Jupyter Notebooks, executados dentro de pods do Kubernetes, permitindo o desenvolvimento interativo de modelos. - Pipelines do Kubeflow: Permite a criação e implantação de fluxos de trabalho de ML portáteis e escaláveis usando Kubernetes, promovendo consistência e reprodutibilidade. - Treinador do Kubeflow: Suporta treinamento distribuído em várias estruturas de IA, incluindo PyTorch, Hugging Face, DeepSpeed, MLX, JAX e XGBoost, facilitando o treinamento de modelos em larga escala. - Katib do Kubeflow: Fornece capacidades de aprendizado de máquina automatizado, incluindo ajuste de hiperparâmetros, parada antecipada e busca de arquitetura neural, para otimizar o desempenho do modelo. - KServe do Kubeflow: Oferece uma plataforma padronizada para servir modelos de ML em várias estruturas, garantindo inferência de modelos escalável e eficiente. - Registro de Modelos do Kubeflow: Atua como um repositório centralizado para gerenciar modelos de ML, versões e metadados associados, conectando a lacuna entre experimentação de modelos e implantação em produção. Valor Principal e Problema Resolvido: O Kubeflow aborda as complexidades associadas à implantação e gerenciamento de fluxos de trabalho de ML aproveitando a escalabilidade e portabilidade do Kubernetes. Ele abstrai as complexidades da conteinerização, permitindo que os usuários se concentrem na construção, treinamento e implantação de modelos sem se preocupar com a infraestrutura subjacente. Ao automatizar várias etapas do ciclo de vida do ML, o Kubeflow melhora a reprodutibilidade, eficiência e colaboração entre cientistas de dados e engenheiros, acelerando, em última análise, o desenvolvimento e implantação de soluções de aprendizado de máquina.

Vendedor

Kubeflow

Discussões

Comunidade Kubeflow

Valor em Destaque

Médias baseadas em avaliações de usuários reais.

Custo Percebido

$$$$$

Ver Mais Informações de Preços

Alternativas Mais Bem Avaliadas

Ver Todas as Alternativas

As avaliações da G2 são autênticas e verificadas.

Veja como.

Prashanth B.

Research Associate

Pesquisa

Pequena Empresa (50 ou menos emp.)

8/15/2025

"Associado de Pesquisa"

5/5

O que você mais gosta Kubeflow?

É a capacidade de aproveitar o Kubernetes para gerenciar o trabalho de aprendizado de máquina, oferecendo escalabilidade, construção reprodutiva e flexibilidade. Análise coletada por e hospedada no G2.com.

O que você não gosta Kubeflow?

A configuração inicial e o gerenciamento contínuo podem ser complexos e exigir muitos recursos, necessitando de uma expertise significativa em Kubernetes. Análise coletada por e hospedada no G2.com.

Aditya K.

DevOps Engineer

Empresa (> 1000 emp.)

8/2/2025

"O Kubeflow facilita a execução de processos em lote rápidos na plataforma Kubernetes."

5/5

O que você mais gosta Kubeflow?

nossos pequenos fluxos de trabalho ETL baseados em CRON são rápidos com o kubeflow Análise coletada por e hospedada no G2.com.

O que você não gosta Kubeflow?

operações intensivas de memória não são muito viáveis para o orquestrador kubeflow Análise coletada por e hospedada no G2.com.

Barkath U.

Senior Process Associate

Empresa (> 1000 emp.)

7/31/2024

"Revisão do Kuberflow"

4/5

O que você mais gosta Kubeflow?

Eu gosto da portabilidade disso, o que facilita trabalhar com qualquer cluster Kubernetes, seja em um único computador ou na nuvem. Análise coletada por e hospedada no G2.com.

O que você não gosta Kubeflow?

Foi difícil configurar inicialmente, tivemos que manter membros dedicados da equipe para configurá-lo. Análise coletada por e hospedada no G2.com.

Akash D.

Senior Data Engineer

Pequena Empresa (50 ou menos emp.)

7/22/2021

"Ótima ferramenta de orquestração que adere a todas as melhores práticas de Mlops."

4/5

O que você mais gosta Kubeflow?

1. Ele usa Kubernetes como backend.

2. Ele adere às melhores práticas de Mlops e containerização.

3. Uma vez que um fluxo de trabalho é devidamente definido, torna-se muito fácil automatizá-lo.

4. Ele possui um ótimo SDK em Python para projetar pipelines.

5. A interface de usuário para usar o pipeline do Kubeflow é incrível.

6. Ele também exibiu todos os logs. Análise coletada por e hospedada no G2.com.

O que você não gosta Kubeflow?

1. Curva de aprendizado inicial íngreme, pois envolve uma grande variedade de conceitos sob um mesmo teto.

2. Então, o usuário deve ter conhecimento além das coisas usuais de ML sobre tecnologia Docker/Container, Kubernetes.

3. Mesmo o processo de configuração inicial não é tão intuitivo.

4. Com base no material disponível em sua documentação, parece que configurá-lo é comparativamente fácil no GCP (na verdade, eu só o usei no GCP). Análise coletada por e hospedada no G2.com.

Recomendações a outras pessoas considerando Kubeflow:

1. Se você já está usando Kubernetes, adicionar o Kubeflow ao seu stack irá turbinar seus fluxos de trabalho.

2. Você terá que adaptar a abordagem de Microsserviços, o que definitivamente lhe proporcionará benefícios a longo prazo.

3. Mas esteja preparado para a curva de aprendizado inicial acentuada e o processo de configuração não tão fácil. Análise coletada por e hospedada no G2.com.

Que problemas é Kubeflow E como isso está te beneficiando?

1. Loja única para orquestrar qualquer fluxo de trabalho usando Kubernetes.

2. Usávamos Kubernetes como backend já antes do Kubeflow e nem todos os engenheiros de ML estavam confortáveis em usá-lo. O Kubeflow resolveu esse problema, pois também usa Kubernetes como backend, mas também forneceu uma interface de usuário agradável e intuitiva para controlar os fluxos de trabalho.

3. Usamos principalmente o Kubeflow para todos os nossos casos de uso de Visão Computacional.

4. Envolve treinamento, inferência e até mesmo serviço interno. Para clientes externos, desenvolvemos internamente uma infraestrutura de serviço.

5. Depois de nos adaptarmos ao Kubeflow, tivemos que também adotar a abordagem de Microsserviços, o que foi uma bênção disfarçada. Análise coletada por e hospedada no G2.com.

Li R.

Software Engineer

Empresa (> 1000 emp.)

7/10/2021

"Kubeflow para ML"

4/5

O que você mais gosta Kubeflow?

Automatiza o fluxo de aprendizado de máquina de produção. O Kubeflow pode ser facilmente integrado com o Kubernetes em muitos provedores de nuvem diferentes, como o Amazon Web Service (usando o Elastic Kubernetes Service) ou com o Google Cloud (com o Google Kubernetes Engine). Ele possui interface de API em diferentes linguagens, especialmente fácil de integrar com Python e contêineres Docker. Isso ajuda os usuários a construir seus próprios pipelines de aprendizado de máquina reexecutáveis e plugáveis. Análise coletada por e hospedada no G2.com.

O que você não gosta Kubeflow?

Sem integração fácil com o Terraform e integração com servidores de nomes de domínio no Amazon Web Service. O que significa que implantar o Kubeflow pode ser difícil, dependendo de como a infraestrutura existente se apresenta. Se as empresas já tiverem modelos existentes para integrar com o Kubeflow que não utilizam contêineres, pode custar esforço extra implementá-los, já que o Kubeflow é melhor utilizado com contêineres Docker e executado no Kubernetes. Análise coletada por e hospedada no G2.com.

Recomendações a outras pessoas considerando Kubeflow:

Kubeflow é uma das tecnologias que funciona melhor com Kubernetes e uma das tecnologias mais recentes de aprendizado de máquina que suporta a construção de pipelines, o que tradicionalmente tem sido difícil no campo do aprendizado de máquina. Análise coletada por e hospedada no G2.com.

Que problemas é Kubeflow E como isso está te beneficiando?

Problemas de aprendizado de máquina em produção podem ser resolvidos com kubeflow, assim como a construção de pipelines. Os benefícios do kubeflow são a facilidade de uso, uma interface centralizada e a facilidade de integração com tecnologias docker. Para cientistas de dados que não querem escrever muito código, o Kubeflow oferece uma maneira prática de executar e reexecutar experimentos, treinar modelos, publicar modelos, além de gerenciar pipelines. Análise coletada por e hospedada no G2.com.

Motilal S.

Group Leader, Data Scientist

Empresa (> 1000 emp.)

7/17/2021

"Kubeflow como uma plataforma de ML escalável, portátil e distribuída"

5/5

O que você mais gosta Kubeflow?

Escalabilidade, portabilidade e distribuir. O recurso tudo-em-um do Kubeflow tornou a equipe fácil de usar e economizou muito tempo. Isso é fácil de usar para novos aprendizes. Análise coletada por e hospedada no G2.com.

O que você não gosta Kubeflow?

Havia uma necessidade de recurso de CI/CD para a equipe. No Kubeflow, não foi possível encontrar o recurso de CI/CD. Análise coletada por e hospedada no G2.com.

Recomendações a outras pessoas considerando Kubeflow:

Anteriormente, tinha usado o Airflow em combinação com outros softwares para resolver o mesmo propósito. No entanto, com o Kubeflow, a vida se tornou muito mais fácil por causa de seus ricos recursos para o desenvolvimento e implantação de modelos de ML. Análise coletada por e hospedada no G2.com.

Que problemas é Kubeflow E como isso está te beneficiando?

Automação de modelos de ML. Para desenvolvimento de sistema de fluxo de trabalho de ML. Também para criação de sistema de ML com todos os seus componentes. Isso economizou muito tempo e energia para o arquiteto de modelos e desenvolvedores de modelos. Análise coletada por e hospedada no G2.com.

Usuário Verificado em Software de Computador

Empresa (> 1000 emp.)

7/27/2021

"Experiência em explorar pipelines do Kubeflow para implantação de modelos"

5/5

O que você mais gosta Kubeflow?

1. O kubeflow é baseado no kubernetes, ele facilita bastante a escalabilidade de modelos e o balanceamento de carga.

2. Os pipelines são muito elegantes e tornam as etapas muito claras. Análise coletada por e hospedada no G2.com.

O que você não gosta Kubeflow?

1. Os documentos do Kubeflow estão incompletos e alguns exemplos de códigos-fonte (especialmente para imagens Docker) são difíceis de encontrar.

2. Não há exemplos simples de passagem de dados em diferentes estágios nos pipelines.

3. A curva de aprendizado do DSL é alta para cientistas de dados. Análise coletada por e hospedada no G2.com.

Recomendações a outras pessoas considerando Kubeflow:

Kubeflow é uma ótima plataforma para implantação de modelos e há uma curva de aprendizado para cientistas de dados. Análise coletada por e hospedada no G2.com.

Que problemas é Kubeflow E como isso está te beneficiando?

Nossa equipe está explorando diferentes plataformas para implantar o modo de produção e quer encontrar a plataforma mais adequada. Os maiores benefícios do Kubeflow são que ele é baseado no Kubernetes, o que torna o balanceador de carga bastante fácil. Análise coletada por e hospedada no G2.com.

Saradindu S.

Machine Learning Engineer

Pequena Empresa (50 ou menos emp.)

7/26/2021

"Implantação mais rápida de sistemas de ml"

4.5/5

O que você mais gosta Kubeflow?

Eu gosto especialmente de como ele suporta todas as estruturas de ML disponíveis, começando com tfx, pytorch, Caffe. Análise coletada por e hospedada no G2.com.

O que você não gosta Kubeflow?

Eu adoraria ter um repositório de recursos completo com operação CRUD sobre endpoints REST, embora isso esteja em fase beta e será lançado rapidamente para a versão estável. Análise coletada por e hospedada no G2.com.

Recomendações a outras pessoas considerando Kubeflow:

É útil usar o Kubeflow em conjunto com outros produtos de IA/ML da plataforma Google Cloud, então o Kubeflow realmente se destaca. Há uma versão empresarial completa disponível no GCP também, o Vertex AI. Análise coletada por e hospedada no G2.com.

Que problemas é Kubeflow E como isso está te beneficiando?

Eu uso o Kubeflow como a principal plataforma de MLOps para implantar rapidamente qualquer modelo de ML em produção com latência mínima. Análise coletada por e hospedada no G2.com.

Usuário Verificado em Hardware de Computador

Empresa (> 1000 emp.)

7/11/2021

"A pesquisa de Suporte e Documentação precisa melhorar"

3.5/5

O que você mais gosta Kubeflow?

Pipeline e visualização e artefatos dentro do pipeline Análise coletada por e hospedada no G2.com.

O que você não gosta Kubeflow?

Escrever código para criar um Pipeline. Kale está disponível, mas espera-se uma solução nativa do Kubeflow para simplificar o fluxo de trabalho completo. Não há documentação suficiente e uma pesquisa rápida no Google não fornece uma solução rápida. Mesmo a comunidade do Stack Overflow não está desenvolvida. É necessário uma abordagem simples baseada em UI para tornar toda a pilha fácil e acessível. Análise coletada por e hospedada no G2.com.

Recomendações a outras pessoas considerando Kubeflow:

Precisa ser minucioso com o Kubernetes e estar sólido com o FAQ e a resolução de problemas. Esteja pronto para codificar para realizar operações simples e desenvolver SMEs separados para o Kubeflow, pois Cientista de Dados e Engenheiro de Aprendizado de Máquina podem não ser a escolha correta para isso. Análise coletada por e hospedada no G2.com.

Que problemas é Kubeflow E como isso está te beneficiando?

Criando pipelines reutilizáveis. Usando o Katib para ajustar hiperparâmetros e realizando várias execuções de experimentos com parâmetros variáveis e salvando essas execuções. Análise coletada por e hospedada no G2.com.

Shivam A.

MLOps Engineer (GreenLake Developer)

Empresa (> 1000 emp.)

7/15/2021

"Ferramenta incrível!"

5/5

O que você mais gosta Kubeflow?

É usabilidade e fácil lançamento de notebooks e criação de modelos na nuvem!

O Kubeflow pode ser facilmente configurado em uma nuvem e muitos Engenheiros/Cientistas de Dados podem aproveitar isso. Análise coletada por e hospedada no G2.com.

O que você não gosta Kubeflow?

Nada por enquanto. Análise coletada por e hospedada no G2.com.

Recomendações a outras pessoas considerando Kubeflow:

É altamente recomendado para todas as empresas que estão entrando/construindo na plataforma de nuvem. Análise coletada por e hospedada no G2.com.

Que problemas é Kubeflow E como isso está te beneficiando?

Estamos construindo um pipeline com ele onde estamos implantando nossos serviços internos empresariais e, em seguida, usuários finais, como Engenheiros/Cientistas de Dados, podem aproveitar esses serviços para construir modelos. Análise coletada por e hospedada no G2.com.