1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Úvod do Kubernetes
Connected

cvičení

MLOps workflow

Tato cvičení se zaměřuje na využití konceptů Kubernetes v MLOps workflow.

Dataový tým ve tvé firmě používá algoritmus pro detekci neobvykle vysokých hodnot (outlierů) v časové řadě z IoT zařízení. Algoritmus se neustále vylepšuje, což vede k častým změnám a novým verzím příslušného Docker image. Tvým úkolem je nasadit tyto algoritmy do produkce a pomoci datovému týmu porovnat výkon jednotlivých verzí.

Připraveno je následující:

  • Skutečná data pro spuštění detekčního algoritmu (data.csv), která budou zkopírována do Docker image
  • Dvě různé verze algoritmu pro detekci outlierů (detect_outliers_*.py)
  • Dva Dockerfiles pro vytvoření dvou image obsahujících tyto různé verze (Dockerfile.outlier_detection_*)
  • Bash skript pro přípravu a nahrání image (01_images.sh)
  • Kubernetes Manifest 02_pods_outlier-detection.yml, který použiješ k nasazení algoritmů pro detekci outlierů.

Pokyny 1/4

undefined XP
    1
    2
    3
    4
  • Věnuj chvíli prohlédnutí Dockerfiles (např. pomocí cat). Všimneš si, že tentokrát jsou data zabalena spolu s různými verzemi algoritmu pro detekci outlierů do příslušných Docker image.
  • Sestavte Docker image a nahraj je do svého Kubernetes clusteru pomocí příkazu bash na skriptu 01_images.sh.