MLOps Workflow

แบบฝึกหัดนี้เน้นการนำแนวคิด Kubernetes ไปใช้กับ MLOps workflow

ทีม Data Science ในบริษัทของคุณใช้อัลกอริทึมเพื่อตรวจจับค่าที่ผิดปกติ (outlier) ในข้อมูล time series จากอุปกรณ์ IoT อัลกอริทึมนี้ได้รับการปรับปรุงอยู่เสมอ ส่งผลให้มีการเปลี่ยนแปลงบ่อยครั้งและกลายเป็น Docker image เวอร์ชันใหม่อยู่ตลอดเวลา ภารกิจของคุณคือนำอัลกอริทึมเหล่านี้ไปใช้งานจริง (production) และช่วยทีม Data Science ทดสอบประสิทธิภาพของแต่ละเวอร์ชัน

สิ่งที่เตรียมไว้ให้แล้วมีดังนี้:

• ข้อมูลจริงสำหรับรันอัลกอริทึมตรวจจับ (data.csv) ซึ่งจะถูกคัดลอกเข้าไปใน Docker image
• อัลกอริทึมตรวจจับ outlier 2 เวอร์ชัน (detect_outliers_*.py)
• Dockerfile 2 ไฟล์สำหรับสร้าง image ที่บรรจุอัลกอริทึมแต่ละเวอร์ชัน (Dockerfile.outlier_detection_*)
• bash script สำหรับเตรียมและอัปโหลด image (01_images.sh)
• Kubernetes Manifest ชื่อ 02_pods_outlier-detection.yml ซึ่งจะใช้ deploy อัลกอริทึมตรวจจับ outlier