「Charmed Kubeflow 1.4」では、トレーニングオペレータの統合など、従来リリースと比較して使い勝手を大幅に向上している。
新たなトレーニングオペレータは、AI/機械学習フレームワークとして一般的な、TensorFlow、MXNet、XGBoost、PyTorchをサポートしており、ソリューションが大幅に簡素化されるとともに、拡張性が向上した。また、Kubernetesクラスタにて消費されるリソースが少なくなっている。
さらに、AI/機械学習モデルのライフサイクル管理のためのオープンソースプラットフォームであり、実験、再現性、デプロイのための機能を備えたMLFlowが統合されており、MLFlowメトリックとMLFlowモデルレジストリを使用した、自動モデルライフサイクル管理が可能になった。
MLFlowの統合によって、データサイエンティストとデータエンジニアはモデルドリフトの自動検出を構築して、Kubeflowモデル再トレーニングパイプラインをトリガできる。またKubernetesクラスタでは、MLFlowを有効にするとともに、Juju統合オペレータフレームワークを使用することによって、Charmed Kubeflowのデプロイが容易になる。
ほかにも、「Charmed Kubeflow 1.4」ではKubeflowノートブック、パイプライン、実験といった、すべてのKubeflowコンポーネントのマルチユーザーデプロイメントシナリオをサポートしているので、Charmed Kubeflowの使用が簡単になるとともにガバナンスが改善され、シャドーIT環境の発生が減少すると同時に、組織のデータ漏洩防止にも役立つ。