Plateforme centralisée pour concevoir, exécuter et suivre des pipelines d'apprentissage automatique. Permet de gérer des configurations, d'exécuter des jobs locaux ou sur le cloud, et de suivre les performances des modèles via MLflow. Offre des outils pour l'inférence, l'évaluation et l'optimisation des modèles, avec une intégration fluide entre les composants backend et frontend.

Ce projet permet d'adapter des widgets existants pour les exposer via des endpoints API, facilitant ainsi leur intégration dans des applications web. Il agit comme un pont entre des services externes et des composants frontend, en standardisant les données et en simplifiant leur consommation. Utilisé principalement pour des interfaces modulaires comme des tableaux de bord ou des portails.