então, como os pipelines do kubeflow são a melhor maneira de construir fluxos de trabalho de ML. e é um projeto de código aberto impulsionado pela comunidade.

1. Ele usa Kubernetes como backend. 2. Ele adere às melhores práticas de Mlops e containerização. 3. Uma vez que um fluxo de trabalho é devidamente definido, torna-se muito fácil automatizá-lo. 4. Ele possui um ótimo SDK em Python para projetar pipelines. 5. A interface de usuário para usar o pipeline do Kubeflow é incrível. 6. Ele também exibiu todos os logs.

Kubeflow helps us in addressing requirements for each stage in the ML lifecycle, from exploration through to training and deployment, we use Kubeflow for building the ML pipelines most, it is fast compared with Apache Airflow