[ Stack technique ]
Kubeflow
La boîte à outils ML qui fait d'un cluster Kubernetes une plateforme d'IA.
Kubeflow porte le cycle de vie ML sur Kubernetes : Pipelines orchestre les workflows d'entraînement en DAGs conteneurisés, Notebooks fournit des environnements Jupyter isolés, Katib automatise le tuning d'hyperparamètres et KServe sert les modèles avec autoscaling. Multi-utilisateur avec isolation par namespace, c'est notre choix pour industrialiser le ML d'une équipe sur un cluster existant, cloud ou on-premise, sans dépendre d'un fournisseur.
[ Pourquoi Kubeflow chez Dexon ]
Ce que cette techno fait bien, et pourquoi nous la mobilisons.
Usage typique : Plateforme ML mutualisée sur Kubernetes, entraînement distribué, serving.
- 01
Pipelines : workflows ML conteneurisés, versionnés et rejouables.
- 02
Katib : tuning d'hyperparamètres et NAS distribués sur le cluster.
- 03
KServe : serving de modèles avec autoscaling, canary et scale-to-zero.
- 04
Multi-utilisateur : notebooks isolés, RBAC et quotas par namespace.
[ Technologies complémentaires ]
Les briques que nous mobilisons souvent en parallèle.
Une stack existe rarement seule. Voici les technologies que Dexon associe le plus souvent à celle-ci, par habitude de pipeline, similarité d'usage ou maîtrise interne. Cliquez sur une brique pour voir son périmètre.
[ Réassurance ]
- 0+
- projets livrés sur mesure
- 30
- ingénieurs, designers, chefs de projet
- 80 %
- issus des meilleures écoles FR
- 24 h
- délai moyen de réponse
[ Ils nous font confiance ]
Plus de 100 entreprises françaises et européennes nous accordent leur confiance.
[ Presse ]
Ils parlent de nous.
Couverture nationale par BFM Business, Le Figaro, Challenges, La Tribune et CNews. Une lecture extérieure de notre travail et de nos innovations.
