当前的IT界有两大高速列车，一是以“Kubernetes”为标杆技术的云计算，二是以“Tensorflow和PyTorch”等为代表的机器学习。如何使二者结合起来，成为近期IT界讨论的热点。Kubeflow的横空出世，有效的连接起了Kubernetes 和各个机器学习的框架，提供了机器学习在Kubernetes上的端到端的解决方案。本书讲解Kubeflow以及其社区的技术栈，包括机器学习的流程编排技术Pipelines、并行模型训练技术TFJob和PyTorchJob等、超参调优技术Katib、服务发布KFServing，机器学习的Python SDK Fairing等，涉及到机器学习的各个方面。本书结合理论和实战，详细阐述了Kubeflow社区的新技术和新方案。很后，展望了Kubeflow的前景和AI Hub的发展趋势。何金池，不错软件工程师，负责IBM Data & AI系统研发，Kubeflow社区Maintainer。__eol__李峰，不错软件工程师，负责IBM 认知系统研发，Kubeflow社区Maintainer。__eol__刘光亚，IBM Cloud Pak for Multicloud Management的STSM（Senior Technical Staff Member），资深架构师，负责IBM多云管理的研发与AI集成。__eol__刘侯刚，不错软件工程师 负责IBM私有云研发，Kubeflow社区Maintainer，Katib联合创始人。__eol__
|
