Um workflow de MLOps

Este exercício foca em aplicar alguns conceitos de Kubernetes a um workflow de MLOps.

A equipe de data science da sua empresa usa um algoritmo para detectar valores excepcionalmente altos (outliers) em uma série temporal de um dispositivo IoT. Esse algoritmo é constantemente aprimorado, gerando mudanças frequentes que acabam em novas versões de uma imagem Docker correspondente. Sua tarefa é dar suporte levando esses algoritmos para produção, ajudando a equipe de data science a testar o desempenho individual das versões.

O seguinte já foi preparado:

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