एक MLOps वर्कफ़्लो

यह अभ्यास MLOps वर्कफ़्लो में कुछ Kubernetes कॉन्सेप्ट्स को लागू करने पर केंद्रित है.

आपकी कंपनी की डेटा साइंस टीम एक IoT डिवाइस की टाइम सीरीज़ में असामान्य रूप से बड़े मान (outliers) का पता लगाने के लिए एक एल्गोरिदम का उपयोग करती है. इस एल्गोरिदम में लगातार सुधार होते रहते हैं, जिससे अक्सर बदलाव होते हैं जो अंततः संबंधित Docker इमेज के नए वर्ज़न बन जाते हैं. आपका कार्य है इन एल्गोरिदम्स को प्रोडक्शन में लाना, ताकि डेटा साइंस टीम अलग-अलग वर्ज़नों के व्यक्तिगत परफॉर्मेंस का परीक्षण कर सके.

निम्न तैयार किया गया है:

• डिटेक्शन एल्गोरिदम चलाने के लिए वास्तविक डेटा (data.csv), जिसे एक Docker इमेज में कॉपी किया जाएगा
• आउट्लायर डिटेक्शन एल्गोरिदम के दो अलग-अलग वर्ज़न (detect_outliers_*.py)
• इन अलग-अलग वर्ज़नों वाली दो इमेज बनाने के लिए दो Dockerfiles (Dockerfile.outlier_detection_*)
• इमेज तैयार करने और अपलोड करने के लिए एक bash स्क्रिप्ट (01_images.sh)
• 02_pods_outlier-detection.yml नाम का एक Kubernetes मैनिफ़ेस्ट उपलब्ध है, जिसका उपयोग आप आउट्लायर डिटेक्शन एल्गोरिदम्स को डिप्लॉय करने के लिए करेंगे.