Un flux de lucru MLOps

Acest exercițiu se concentrează pe aplicarea unor concepte Kubernetes într-un flux de lucru MLOps.

Echipa de data science din compania ta folosește un algoritm pentru a detecta valorile neobișnuit de mari (anomalii) într-o serie de timp provenită de la un dispozitiv IoT. Algoritmul este îmbunătățit constant, ceea ce duce la modificări frecvente care se concretizează în versiuni noi ale unei imagini Docker. Sarcina ta este să îi sprijini pe colegii de data science, punând acești algoritmi în producție și ajutând echipa să testeze performanța individuală a fiecărei versiuni.

Au fost pregătite următoarele:

• Datele reale pe care rulează algoritmul de detecție (data.csv), care vor fi copiate într-o imagine Docker
• Două versiuni diferite ale algoritmului de detecție a anomaliilor (detect_outliers_*.py)
• Două fișiere Dockerfile pentru crearea a două imagini ce conțin aceste versiuni (Dockerfile.outlier_detection_*)
• Un script bash pentru pregătirea și încărcarea imaginilor (01_images.sh)
• Un Manifest Kubernetes numit 02_pods_outlier-detection.yml, pe care îl vei folosi pentru a implementa algoritmii de detecție a anomaliilor.