استقرار مدلهای آموزشدیده هوش مصنوعی و یادگیری ماشین بهصورت سرویسهای قابل استفاده توسط نرمافزارها یا کاربران.
استقرار میتواند شامل بستهبندی مدل، سرویس inference، API، مدیریت منابع، logging، scaling و monitoring باشد.
این خدمت میتواند برای نرمافزارهای وب، سامانههای داخلی، پلتفرمهای پژوهشی و خدمات آنلاین AI استفاده شود.
روش پیادهسازی بر اساس دادههای موجود، محدودیتهای فنی، میزان اتوماسیون مورد نیاز و زیرساخت نرمافزاری یا پژوهشی پروژه انتخاب میشود. راهکار میتواند بهصورت یک جزء مستقل یا درون یک سامانه بزرگتر پیادهسازی شود.
هدف، ایجاد یک جریان محاسباتی روشن و قابل ارزیابی است که بتوان آن را در ادامه نگهداری، توسعه و با نیازهای جدید پروژه تطبیق داد. بنابراین انتخاب مدل، پردازش داده، رابطها و روش استقرار بر اساس مسئله واقعی پروژه تعیین میشود.