Un workflow di MLOps

Questo esercizio si concentra sull'applicazione di alcuni concetti di Kubernetes a un workflow di MLOps.

Il team di data science della tua azienda utilizza un algoritmo per rilevare valori insolitamente alti (outlier) in una serie temporale proveniente da un dispositivo IoT. Questo algoritmo viene migliorato continuamente, generando modifiche frequenti che finiscono in nuove versioni della relativa immagine Docker. Il tuo compito è supportarli portando questi algoritmi in produzione, aiutando il team di data science a testare le prestazioni delle singole versioni.

È stato predisposto quanto segue:

• I dati reali su cui eseguire l'algoritmo di rilevamento (data.csv), che verranno copiati in un'immagine Docker
• Due versioni diverse dell'algoritmo di rilevamento degli outlier (detect_outliers_*.py)
• Due Dockerfile per creare due immagini contenenti queste versioni differenti (Dockerfile.outlier_detection_*)
• Uno script bash per preparare e caricare le immagini (01_images.sh)
• È disponibile un Manifest di Kubernetes chiamato 02_pods_outlier-detection.yml, che userai per distribuire gli algoritmi di rilevamento degli outlier.