<?xml version="1.0" encoding="utf-8" ?>
<rss version="2.0" xml:base="https://www.programmez.com/" xmlns:dc="http://purl.org/dc/elements/1.1/">
  <channel>
    <title>Charmed Kubeflow</title>
    <link>https://www.programmez.com/</link>
    <description></description>
    <language>fr</language>
    
    <item>
  <title>AI/ML : Charmed Kubeflow 1.4 prend désormais en charge MLFlow, TensorFlow, MXNet, XGBoost et PyTorch</title>
  <link>https://www.programmez.com/actualites/ai/ml-charmed-kubeflow-14-prend-desormais-en-charge-mlflow-tensorflow-mxnet-xgboost-et-pytorch-33540</link>
  <description>&lt;span class=&quot;field field--name-title field--type-string field--label-hidden&quot;&gt;AI/ML : Charmed Kubeflow 1.4 prend désormais en charge MLFlow, TensorFlow, MXNet, XGBoost et PyTorch&lt;/span&gt;
&lt;span class=&quot;field field--name-uid field--type-entity-reference field--label-hidden&quot;&gt;&lt;span&gt;fredericmazue&lt;/span&gt;&lt;/span&gt;
&lt;span class=&quot;field field--name-created field--type-created field--label-hidden&quot;&gt;&lt;time datetime=&quot;2022-01-26T12:46:26+01:00&quot; title=&quot;Mercredi, 26 janvier 2022 - 12:46&quot; class=&quot;datetime&quot;&gt;mer, 26 Jan 2022 - 12:46&lt;/time&gt;
&lt;/span&gt;


  &lt;div class=&quot;inline__links&quot;&gt;&lt;nav class=&quot;links inline nav links-inline&quot;&gt;&lt;span class=&quot;comment-forbidden nav-link&quot;&gt;&lt;a href=&quot;/user/login?destination=/actualites/ai/ml-charmed-kubeflow-14-prend-desormais-en-charge-mlflow-tensorflow-mxnet-xgboost-et-pytorch-33540%23comment-form&quot;&gt;Se connecter&lt;/a&gt; ou &lt;a href=&quot;/user/register?destination=/actualites/ai/ml-charmed-kubeflow-14-prend-desormais-en-charge-mlflow-tensorflow-mxnet-xgboost-et-pytorch-33540%23comment-form&quot;&gt;s&#039;inscrire&lt;/a&gt; pour publier un commentaire&lt;/span&gt;&lt;/nav&gt;
  &lt;/div&gt;

&lt;div class=&quot;btn btn-light&quot;&gt;
      &lt;a href=&quot;/actualites/technologies&quot; hreflang=&quot;fr&quot;&gt;Technologies&lt;/a&gt;
  &lt;/div&gt;

&lt;div class=&quot;mots-cles-actualite d-flex flex-wrap gap-2&quot;&gt;
      &lt;div class=&quot;btn&quot;&gt;&lt;a href=&quot;/actualites/charmed-kubeflow&quot; hreflang=&quot;fr&quot;&gt;Charmed Kubeflow&lt;/a&gt;&lt;/div&gt;
      &lt;div class=&quot;btn&quot;&gt;&lt;a href=&quot;/actualites/intelligence-artificielle&quot; hreflang=&quot;fr&quot;&gt;intelligence artificielle&lt;/a&gt;&lt;/div&gt;
      &lt;div class=&quot;btn&quot;&gt;&lt;a href=&quot;/actualites/machine-learning&quot; hreflang=&quot;fr&quot;&gt;machine learning&lt;/a&gt;&lt;/div&gt;
  &lt;/div&gt;

            &lt;div class=&quot;clearfix text-formatted field field--name-body field--type-text-with-summary field--label-hidden field__item&quot;&gt;&lt;p&gt;Canonical a annoncé le lancement de Charmed Kubeflow&amp;nbsp;1.4, sa plate-forme pour les opérations IA et machine learning. Kubeflow&amp;nbsp;1.4 apporte des améliorations majeures en termes d’usages par rapport aux versions précédentes, notamment un opérateur d’entraînement unifié. Ce dernier prend en charge les frameworks d’IA/ML populaires TensorFlow, MXNet, XGBoost et PyTorch. Cela simplifie considérablement la solution, améliorant l’extensibilité future et consommant moins de ressources sur le cluster Kubernetes.&amp;nbsp;&lt;/p&gt;
&lt;p&gt;L’intégration de MLFlow, la plate-forme open source pour la gestion du cycle de vie des modèles d’IA/ML, a été ajoutée à la solution Charmed Kubeflow, permettant une gestion automatisée du cycle de vie des modèles à l’aide des métriques MLFlow et du registre de modèles MLFlow.&lt;/p&gt;
&lt;p&gt;Charmed Kubeflow&amp;nbsp;1.4 prend entièrement en charge les scénarios de déploiement multi-utilisateurs pour tous les composants Kubeflow, y compris les notebooks, pipelines et expériences Kubeflow. Cette mise à jour simplifie l’utilisation de Charmed Kubeflow afin d’améliorer la gouvernance et de réduire l’occurrence des environnements shadow-IT, tout en aidant à lutter contre les fuites de données organisationnelles.&lt;/p&gt;
&lt;p&gt;Charmed Kubeflow est libre d’utilisation&amp;nbsp;: la solution peut être déployée dans n’importe quel environnement sans contraintes, paywall ou fonctionnalités restreintes. Charmed Kubeflow offre une plateforme MLOps centralisée, basée sur un navigateur, qui fonctionne sur n’importe quel Kubernetes conforme.&lt;/p&gt;
&lt;p&gt;Charmed Kubeflow&amp;nbsp;1.4 se trouve dès à présent sur&lt;a href=&quot;https://charmhub.io/mlflow&quot;&gt; CharmHub&lt;/a&gt;&amp;nbsp;et peut être déployée sur tout cluster Kubernetes conforme à l’aide d’une seule commande Juju.&lt;/p&gt;
&lt;/div&gt;
      &lt;section class=&quot;field field--name-field-commentaire-actu field--type-comment field--label-above comment-wrapper&quot;&gt;
  
  

  
&lt;/section&gt;
</description>
  <pubDate>Wed, 26 Jan 2022 11:46:26 +0000</pubDate>
    <dc:creator>fredericmazue</dc:creator>
    <guid isPermaLink="false">74788 at https://www.programmez.com</guid>
    </item>

  </channel>
</rss>
