Si integri con i flussi di lavoro di intelligenza artificiale e machine learning utilizzando i linguaggi di sviluppo più diffusi tra cui Python, Julia e Jupyter Notebook. Integra i servizi di intelligenza artificiale e machine learning nei flussi di lavoro tradizionali ed esegui un mix di entrambi i tipi di lavoro, lavorando insieme o sopra i cluster Kubernetes. I flussi si adattano dinamicamente alla disponibilità delle risorse e ai risultati dei calcoli precedenti.

Gestisca le dipendenze tra file e strumenti acquisendo e aggiornando i flussi e interagendo con gli strumenti mentre eseguono i comandi contenuti nei flussi. Impedire l'esecuzione dei lavori fino a quando non saranno soddisfatti tutti i requisiti di dipendenza precedenti, in modo che gli utenti possano identificare rapidamente le cause principali dei lavori non riusciti, intraprendere azioni correttive e riprendere l'esecuzione dai punti di errore senza riavviarli.