В работе предлагается архитектурное решение для системы нового типа с учетом требований поддержки, усовершенствования и разработки моделей. Задачи, которые решались в процессе работы над системой: 1. Исследование принципов построения программных систем использующих алгоритмы машинного обучения. 2. Исследование алгоритмов и программного обеспечения для инференса данных. 3. Исследование энерго-эффективных аппаратных решений для инференса данных. 4. Разработка архитектурного решения для платформы инференса даных. 5. Расширениеиреализацияфункцийсуществующегомодулясистемы. В процессе работы были выделены базовые компоненты систем, использующих алгоритмы машинного обучения. Выделены их роли и задачи. Проанализированы существующие облачные сервисы и платформы, предоставляющие описанные требования и возможности интеграции с веб- приложениями. Разработана архитектура системы инференса данных для платформы интеллектуальной диагностики рака легких. При разработке архитектуры делался акцент на stateless технологии, предполагающей автоматическое масштабирование и оптимальное использование ресурсов в процессе инференса. Обосновано применение вычислительных мощностей дата центра СПбПУ, облачной платформы OpenStack и Kubeflow. С применением программных библиотек Sring Boot 2 и React, расширен набор функций существующего веб-приложения, повышающих удобство взаимодействия конечного пользователя с платформой. Разработано API для отправки снимков на диагностику и обучение системы. Акцентировано внимание на необходимости внедрения системы для использования в медицинских учреждениях и коммерческая польза от реализации продукта.

This paper proposes an architectural solution for a new type of system, taking into account the requirements of support, improvement, and model development. Tasks that were solved while working on the system: 1. Research of the principles of building software systems using machine learning algorithms. 2. Research of algorithms and software for data inference. 3. Research of energy-efficient hardware solutions for data inference. 4. Development of an architectural solution for the data inference platform. 5. Extending and implementing the functions of the existing system module. In the course of work, the basic components of systems using machine learning algorithms were identified. Their roles and tasks are highlighted. The existing cloud services and platforms that provide the described requirements and integration capabilities with web applications are analyzed. The architecture of the data inference system for the platform for intelligent diagnosis of lung cancer has been developed. When developing the architecture, emphasis was placed on stateless technology, which assumes automatic scaling and optimal use of resources in the inference process. The use of computing power of the Spbpu data center, openstack and Kubeflow cloud platforms is justified. Using the Sring Boot 2 and React software libraries, the set of functions of the existing web application is expanded, which increases the convenience of end-user interaction with the platform. An API has been developed for sending snapshots for system diagnostics and training. Attention is focused on the need to implement the system for use in medical institutions and the commercial benefits of the product.