تا اینجا، موفق به ساخت یک پایپ‌لاین ساده برای آموزش مدل پیش‌بینی قیمت مسکن شده‌ایم. داده‌های خود را با دی‌وی‌سی (DVC) نسخه‌بندی کردیم و آزمایش‌های خود را با ام‌ال‌فلو (MLflow) ثبت نمودیم. اما یک مدل یادگیری ماشین تا زمانی که در اختیار کاربران قرار نگیرد، ارزش عملی چندانی ندارد.

در این فصل، با دو مفهوم کلیدی در حوزه‌ی استقرار مدل‌ها آشنا می‌شویم:

  1. بسته‌بندی با داکر (Docker): یاد می‌گیریم چگونه مدل خود را به همراه تمام وابستگی‌هایش در یک کانتینر قرار دهیم تا روی هر سیستمی بدون مشکل اجرا شود.
  2. ساخت یک رابط برنامه‌نویسی (API) با فست‌ای‌پی‌آی (FastAPI): مدل خود را به یک سرویس وب تبدیل می‌کنیم تا دیگران بتوانند از طریق اینترنت از آن استفاده کنند.