Gas Sensor MLOps Pipeline
Gaz sensör verisinde drift'i yakalayıp drift skoru 0.7'yi aştığında yeniden eğitimi kendisi başlatan MLOps pipeline'ı. Skoru PSI, KS testi ve Mean Shift'ten hesaplıyor; Kubernetes üzerinde çalışıyor, modelleri MLflow ile versiyonluyor.
Geliştirilen bu proje, tam kapsamlı bir MLOps altyapısı sunmaktadır. Sistem, gaz sensör verilerini streaming olarak işleyerek K-Means ve Gaussian Mixture Model (GMM) ile kümeleme yapar. PSI, KS testi ve Mean Shift metriklerinden oluşan bir drift skoru hesaplanır; skor 0.7'yi aştığında otomatik retraining tetiklenir. Altyapı tarafında Kind ile oluşturulan Kubernetes cluster üzerinde PostgreSQL (MLflow backend), MinIO (S3 artifact store), Prometheus ve Grafana (monitoring), MLflow Server (model registry) ve FastAPI tabanlı inference servisi çalışmaktadır. Tüm bileşenler Docker konteynerları olarak paketlenmiş ve Kubernetes manifest'leri ile orkestre edilmiştir. Jenkins pipeline'ı ile CI/CD süreci otomatize edilmiştir.
- Python
- Docker
- PostgreSQL