Inicio Proyectos katib
katib

katib

por kubeflow · GitHub

Aprendizaje Automático Automatizado en Kubernetes

Ver en GitHub
En palabras simples

Automatiza el proceso de entrenamiento de modelos de aprendizaje automático y ajusta sus configuraciones fácilmente en Kubernetes.

⭐ Estrellas
🍴 Ramas
🔥 Tendencias
📜 Licencia
Uso comercial permitido
📅 Creado
🔄 Último commit
🏷️ Categoría
💻 Lenguaje
¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
katib — GitHub preview card
📈 Historial de estrellas
1 6931 691
2026-07-202026-07-29
📈 Sigue katib

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

Aprendizaje Automático Automatizado en Kubernetes

katib tiene 1.7k estrellas en GitHub. Se ha bifurcado 532 veces. katib está escrito principalmente en Python. Se desarrolla activamente desde 2018. katib está disponible bajo la licencia Apache-2.0. Sus temas principales son: ai, automl, huggingface, hyperparameter-tuning.

Frequently asked questions

¿Qué es katib?

Aprendizaje Automático Automatizado en Kubernetes

¿katib es de código abierto?

katib es un proyecto de código abierto. Se distribuye bajo la licencia Apache-2.0.

¿katib es gratis?

Sí. katib es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está katib?

katib está disponible bajo la licencia Apache-2.0.

¿En qué lenguaje está escrito katib?

katib está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
OpenSourceAI badge — katib

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=kubeflow-katib)](https://opensourceai.tech/project/kubeflow-katib.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.