1. Learn
    2. /
  2. Courses
    3. /
  3. Kubernetes入門
Connected

Exercise

MLOps ワークフロー

この演習では、いくつかの Kubernetes の概念を MLOps ワークフローに当てはめていきます。

あなたの会社のデータサイエンスチームは、IoT デバイスの時系列データから異常に大きな値（外れ値）を検出するアルゴリズムを使っています。アルゴリズムは継続的に改良され、結果として対応する Docker イメージの新バージョンが頻繁に作成されます。あなたのタスクは、これらのアルゴリズムを本番環境に載せ、各バージョンの性能をデータサイエンスチームが検証できるよう支援することです。

次のものが用意されています。

  • 検出アルゴリズムを実行するための実データ（data.csv）。Docker イメージにコピーされます。
  • 外れ値検出アルゴリズムの2つの異なるバージョン（detect_outliers_*.py）
  • それぞれのバージョンを含む2つのイメージを作成するための Dockerfile（Dockerfile.outlier_detection_*）
  • イメージを準備してアップロードするための bash スクリプト（01_images.sh）
  • 外れ値検出アルゴリズムをデプロイするために使用する Kubernetes Manifest 02_pods_outlier-detection.yml

Instructions 1/4

undefined XP
    1
    2
    3
    4
  • まずは cat などで Dockerfile を確認してください。 今回はデータが、異なる外れ値検出の各バージョンと一緒に、それぞれの Docker イメージにパッケージされていることに気づくはずです。
  • 01_images.sh スクリプトに対して bash コマンドを使い、Docker イメージをビルドして Kubernetes クラスターにアップロードします。