Um fluxo de trabalho MLOps

Este exercício se concentra na aplicação de alguns conceitos do Kubernetes a um fluxo de trabalho do MLOps.

A equipe de ciência de dados da sua empresa usa um algoritmo para detectar valores anormalmente grandes (outliers) em uma série temporal de um dispositivo IoT. Esse algoritmo é constantemente aprimorado, levando a alterações frequentes que acabam como novas versões de uma respectiva imagem do Docker. Sua tarefa é dar suporte a eles, colocando esses algoritmos em produção, ajudando a equipe de ciência de dados a testar o desempenho individual das versões.

Você preparou o seguinte:

• Os dados reais para executar o algoritmo de detecção (data.csv), que serão copiados em uma imagem do Docker
• Duas versões diferentes do algoritmo de detecção de outlier (detect_outliers_*.py)
• Dois Dockerfiles para criar duas imagens contendo essas versões diferentes (Dockerfile.outlier_detection_*)
• Um script bash para preparar e carregar as imagens (01_images.sh)
• Está disponível um Manifesto do Kubernetes chamado 02_pod_outlier-detection.yml, que você usará para implantar os algoritmos de detecção de outlier.