一个 MLOps 工作流

本练习将把一些 Kubernetes 概念应用到一个 MLOps 工作流中。

您所在公司的数据科学团队使用一种算法来检测来自 IoT 设备的时间序列中的异常大值（离群点）。该算法在持续改进，因此经常更新，并以对应的 Docker 镜像新版本发布。您的任务是将这些算法投入生产，帮助数据科学团队测试各个版本的性能。

已为您准备好以下内容：

• 用于运行检测算法的实际数据（data.csv），它将被复制到 Docker 镜像中
• 两个不同版本的离群点检测算法（detect_outliers_*.py）
• 两个用于创建包含这两个不同版本的镜像的 Dockerfile（Dockerfile.outlier_detection_*）
• 一个用于准备并上传镜像的 bash 脚本（01_images.sh）
• 一个名为 02_pods_outlier-detection.yml 的 Kubernetes Manifest，您将使用它来部署离群点检测算法。