Un flujo de trabajo MLOps

Este ejercicio se centra en aplicar algunos conceptos de Kubernetes a un flujo de trabajo de MLOps.

El equipo de ciencia de datos de tu empresa utiliza un algoritmo para detectar valores inusualmente grandes (valores atípicos) en una serie temporal de un dispositivo IoT. Este algoritmo se mejora constantemente, lo que da lugar a cambios frecuentes que acaban convirtiéndose en nuevas versiones de una imagen Docker respectiva. Tu tarea es apoyarles poniendo estos algoritmos en producción, ayudando al equipo de ciencia de datos a probar el rendimiento individual de las versiones.

Se ha preparado lo siguiente:

• Los datos reales para ejecutar el algoritmo de detección (data.csv), que se copiarán en una imagen Docker
• Dos versiones diferentes del algoritmo de detección de valores atípicos (detect_outliers_*.py)
• Dos Dockerfiles para crear dos imágenes que contengan estas versiones diferentes (Dockerfile.outlier_detection_*)
• Un script bash para preparar y subir las imágenes (01_images.sh)
• Existe un Manifiesto Kubernetes llamado 02_pod_outlier-detection.yml, que utilizarás para desplegar los algoritmos de detección de valores atípicos.