Kubeflow

Canonical最新的Kubernetes機器學習工具Charmed Kubeflow 1.4，由於整合MLFlow，因此可以實現模型漂移自動偵測，解決模型隨時間推移失準問題

研究人員提醒企業或開發人員如果有使用Kubeflow，應確定其儀表板未曝露在網際網路上，如果有也應啟用驗證

Kubermatic Kubernetes平臺（KKP）整合Kubernetes機器學習框架Kubeflow，讓用戶可以在KKP上方便地部署機器學習工作負載

當使用者為了求方便把儀表板暴露在網際網路上，便讓惡意人士有機會在叢集中部署惡意容器

Spotify決定，進一步連ML工作流程和運算資源都進一步建立標準化，開始導入了Kubeflow Pipelines（KFP）。這個架構會將主要的運算元件先打包成Docker容器化應用，再利用Kubernetes來部署成容器應用，和調度運算資源支援龐大運算所需

Google也已經預告，Kubeflow 0.2版將在今年夏季時釋出。除了要簡化初始設定工作、加速整合其他應用外，還想要支援更多不同的機器學習框架，例如Spark、XGBoost、Sklearn等。