Kubeflow-basierte Machine-Learning-Plattform für ein Pharmaunternehmen

Einrichtung Kubeflow

Wir haben eine zentrale Plattform auf Basis von Kubeflow eingerichtet, die durch benutzerdefinierte Funktionen an die strengen Vorschriften des Unternehmens angepasst wurde. Dabei diente die „Kubeflow on AWS“-Distribution von AWS Labs als Grundlage, die wichtige Funktionen wie Jupyter Notebooks, Pipelines und Serving bereitstellt. Durch die Implementierung von GitHub Actions und Terraform haben wir eine effiziente Bereitstellung der Entwicklungsumgebung sowie der Produktionsumgebung ermöglicht.

Integration MLFlow

Um den gesamten Lebenszyklus des Machine Learnings optimal zu unterstützen, haben wir eigene Werkzeuge integriert. Dazu gehört unter anderem MLFlow zur Verfolgung von Experimenten, Überwachung und Protokollierung. Darüber hinaus haben wir eine Mehrmandantenfähigkeit und Profilverwaltung integriert, um nahtlos in die bestehende Tool-Landschaft des Unternehmens zu passen. Eine Single Sign-On-Integration über Azure AD wurde ebenfalls umgesetzt, um den Zugriff zu vereinfachen und die Sicherheit zu gewährleisten.