Accueil Projets katib
katib

katib

par kubeflow · GitHub

Apprentissage automatique automatisé sur Kubernetes

Voir sur GitHub
En termes simples

Automatisez le processus d'entraînement des modèles d'apprentissage automatique et ajustez facilement leurs paramètres sur Kubernetes.

⭐ Étoiles
🍴 Forks
🔥 Tendances
📜 Licence
Utilisation commerciale autorisée
📅 Créé
🔄 Dernier commit
🏷️ Catégorie
💻 Langue
Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
katib — GitHub preview card
📈 Historique des étoiles
1 6931 691
2026-07-202026-07-29
📈 Suivez katib

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Apprentissage automatique automatisé sur Kubernetes

katib compte 1.7k étoiles sur GitHub. Il a été forké 532 fois. katib est écrit principalement en Python. Il est développé activement depuis 2018. katib est disponible sous licence Apache-2.0. Ses principaux thèmes sont : ai, automl, huggingface, hyperparameter-tuning.

Frequently asked questions

Qu'est-ce que katib ?

Apprentissage automatique automatisé sur Kubernetes

katib est-il open source ?

katib est un projet open source. Il est distribué sous licence Apache-2.0.

katib est-il gratuit ?

Oui. katib est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Sous quelle licence est katib ?

katib est disponible sous licence Apache-2.0.

Dans quel langage katib est-il écrit ?

katib est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
olud.ai badge — katib

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![olud.ai](https://olud.ai/badge.php?tool=kubeflow-katib)](https://olud.ai/project/kubeflow-katib.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.