参与设计基于Kubernetes/kubeflow 的可拖拽的机器学习构建平台。独立开发了后端部分。在平台上页面上，算法工程师输入Component的输入参数确定算子，然后通过拖拽算子的方式构建机器学习任务。机器学习任务的算子通常会形成一个有向无环图(dag)。任务提交到后台，服务会根据DAG的依赖关系去依次构建Component。首次构建Component，服务会到指定的git地址去pull代码，构建为镜像，并把Component的信息保存到数据库中，以供重复使用。执行机器学习任务时，采用懒加载模式，边构建边执行。任务执行完，托管的服务，会发送执行的信息到算法工程师的邮箱中。极大提高了算法工程师的工作效率。