Хмарні обчислення надали можливість організаціям менше зосередитися на своїй ІТ-інфраструктурі та більше на своїх основних продуктах і послугах. Serverless - це технологія, також відома як функція-як-послуга, яка за необхідності надає постачальнику послуг хмарних обчислень повний контроль над контейнером для обслуговування запитів, на якому виконується функція. Як наслідок, архітектури виключають необхідність постійно працюючих систем і слугують обчислювальним процесом, керованим подіями. Serverless-обчислення відкривають нові можливості для архітекторів і розробників, орієнтованих на хмарні обчислення. Вона забезпечує спрощену модель програмування для розробки розподілених Cloud-систем, із відстороненою інфраструктурою. Serverless-обчислення все ще перебувають у зародковому стані та з подальшим розвитком моделі будуть створені інструменти, що надають можливість розробникам та архітекторам створювати моделі та процеси, щоб більш повно використовувати переваги моделі Serverless. Розглянуто профіль продуктивності Serverless екосистеми за умов низьких затримок і високої доступності. Наведено результати застосування та тести продуктивності для розпізнавання образів із використанням нейронних мереж. У реалізації використовуються відкриті бібліотеки та інструменти: Tensor Flow для вивчення машинного навчання та LabelImg для підготовки даних. Показано кореляцію між кількістю експериментальних навчальних даних і точністю розпізнавання. Для експериментів розроблено програмний пакет із використанням скрипкової мови програмування Python і технології .Net. Розроблене програмне забезпечення показало відмінну точність розпізнавання, використовуючи звичайний комп'ютер із недорогим обладнанням. Взаємодія клієнтської сторони з "сервером" здійснюється за допомогою HTTP-запитів.