VPC環境で利用できます。
パイプラインとは、ワークフローを定義するコンポーネントと、グラフ形式で表示される各コンポーネント間の関連性を意味します。パイプラインは、パイプラインを実行するために必要な入力パラメータと、各コンポーネントの入出力情報を含んでいます。コンポーネントは関数に似ています。入力値を渡して実行すると、出力値を作成します。
作成したパイプライン yamlファイルを Pipelines画面または Pipeline SDKを利用し、アップロードして実行できます。
ML workflowは、データ前処理、データ変換、モデル学習などのプロセスを含みます。コンポーネントは、このような workflowの1ステップを実行するためのコード集合を意味し、一般的にコンテナ形式で実行されます。

| 領域 | 説明 |
|---|---|
| Pipeline type |
|
| Pipeline Name | Pipelineの名前を入力。Kubernetesの naming patternルールに従う必要があるため、英小文字、数字、-、.のみ許可 |
| Pipeline Description | Pipelineについての説明を入力 |
| Pipeline Source |
|
| Source Code | Pipelineをどのように、どこで作成したかに関するソースの場所やコードの説明を入力。Gitリポジトリ URLや Jupyter Notebookの内部コードパスなどを意味する |
注意
- SDK 1.xバージョンで作成した Pipeline yamlのアップロードおよび正常な使用はサポートされません。
- MLXPでは、Kubeflow Pipelineがデフォルトでサポートする minio Artifactリポジトリを使用できないため、namespace単位で分離された Artifactリポジトリを使用する必要があります。

| 領域 | 説明 |
|---|---|
| Pipeline name | Pipelineの名前 |
| Version name | Pipelineのバージョン名 |
| Description | Pipelineについての説明 |
| Uploaded on | Pipelineをアップロードした時刻 |

| 領域 | 説明 |
|---|---|
| Create Run | 新しい Runを実行するための設定を実施 |
| Upload version | 新しい versionの Pipelineを作成するための設定を実施 |
| Create experiment | 新しい Experimentを実行するための設定を実施 |
| Graph tab | Pipeline Stepの実行フローを確認 |
| Pipeline Spec tab | Pipelineの specである yamlファイルの内容を確認 |