Рабочий процесс MLOps

В этом упражнении вы применяете концепции Kubernetes в рабочем процессе MLOps.

Команда специалистов по данным в вашей компании использует алгоритм для обнаружения аномально больших значений (выбросов) во временном ряде, поступающем с IoT-устройства. Алгоритм постоянно совершенствуется, что приводит к частым обновлениям и появлению новых версий соответствующего Docker-образа. Ваша задача — вывести эти алгоритмы в промышленную эксплуатацию и помочь команде сравнить производительность отдельных версий.

Для работы уже подготовлено следующее:

• Реальные данные для запуска алгоритма обнаружения (data.csv), которые будут скопированы в Docker-образ
• Две разные версии алгоритма обнаружения выбросов (detect_outliers_*.py)
• Два файла Dockerfile для создания двух образов с этими версиями (Dockerfile.outlier_detection_*)
• Bash-скрипт для подготовки и загрузки образов (01_images.sh)
• Манифест Kubernetes 02_pods_outlier-detection.yml, который вы будете использовать для развёртывания алгоритмов обнаружения выбросов.