Bir MLOps İş Akışı

Bu egzersiz, bazı Kubernetes kavramlarını bir MLOps iş akışına uygulamaya odaklanıyor.

Şirketindeki veri bilimi ekibi, bir IoT cihazından gelen zaman serisinde olağandışı büyük değerleri (aykırı değerler) tespit eden bir algoritma kullanıyor. Bu algoritma sürekli geliştiriliyor ve bunun sonucunda ilgili Docker imajının yeni sürümleri sık sık yayınlanıyor. Görevin, bu algoritmaları üretime alarak veri bilimi ekibine sürümlerin tekil performanslarını test etmede destek olmak.

Aşağıdakiler hazırlanmıştır:

• Algoritmanın karşısında çalışacağı gerçek veri (data.csv); bu veri bir Docker imajına kopyalanacak
• Aykırı değer tespit algoritmasının iki farklı sürümü (detect_outliers_*.py)
• Bu iki farklı sürümü içeren iki Docker imajı oluşturmak için iki Dockerfile (Dockerfile.outlier_detection_*)
• İmajları hazırlayıp yüklemek için bir bash betiği (01_images.sh)
• 02_pods_outlier-detection.yml adlı bir Kubernetes Manifest’i mevcut; aykırı değer tespit algoritmalarını dağıtmak için bunu kullanacaksın.