Con Amazon SageMaker paga únicamente por lo que usa. La creación, el entrenamiento y la implementación de modelos de aprendizaje automático se facturan por segundo, sin tarifas mínimas ni compromisos iniciales.

Pruebe Amazon SageMaker de manera gratuita

Como parte de la capa gratuita de AWS, puede comenzar a utilizar Amazon SageMaker de forma gratuita. Si nunca antes ha utilizado Amazon SageMaker, durante los primeros dos meses, cuenta con una capa gratuita de 250 horas al mes de uso de bloc de notas de t2.medium o t3.medium con instancias de bloc de notas a petición o instancias t3.medium con blocs de notas de SageMaker Studio para crear modelos, además de 50 horas de m4.xlarge o m5.xlarge para entrenar sus modelos, más 125 horas de m4.xlarge o m5.xlarge para implementar sus modelos de aprendizaje automático para las transformaciones por lotes y las inferencias en tiempo real con Amazon SageMaker. La capa gratuita no cubre el uso del volumen de almacenamiento. La capa gratuita comienza el primer mes, al crear su primer recurso de SageMaker.

Amazon SageMaker Studio es gratis

Ahora puede obtener acceso a Amazon SageMaker Studio, el primer entorno de desarrollo completamente integrado (IDE) que se ofrece gratis. SageMaker Studio ofrece acceso completo y visibilidad en todos los pasos requeridos para crear, entrenar e implementar modelos. El uso de SageMaker Studio es gratis y solo se paga por los servicios de AWS utilizados dentro de Studio.

Reduzca el costo total de propiedad (TCO) con Amazon SageMaker

Amazon SageMaker ofrece un costo total de propiedad (TCO) por lo menos 54 % más bajo en un periodo de 3 años en comparación con otras soluciones autoadministradas basadas en la nube. Encuentre aquí el análisis completo del TCO correspondiente a Amazon SageMaker.

  • Blocs de notas de Studio
  • Instancias de bloc de notas a petición
  • Procesamiento
  • Entrenamiento
  • Inferencia en tiempo real
  • Transformación por lotes
  • Blocs de notas de Studio
  • Blocs de notas de SageMaker Studio
    Los blocs de notas de Studio son blocs de notas de Jupyter de un solo clic, que se pueden iniciar con rapidez. Los recursos informáticos subyacentes son completamente elásticos. Estos blocs de notas se pueden compartir fácilmente con otros, lo que permite una colaboración sin problemas. 

  • Instancias de bloc de notas a petición
  • Instancias de bloc de notas a petición
    Las instancias de bloc de notas a petición son instancias informáticas de aprendizaje automático (ML) que ejecutan la aplicación Jupyter Notebook. Se le cobrará por el uso del tipo de instancia que elija. Cada bloc de notas se enumera por separado en la factura.

  • Procesamiento
  • Procesamiento mediante SageMaker
    El procesamiento mediante SageMaker permite ejecutar fácilmente las cargas de trabajo previas al procesamiento, posteriores al procesamiento y de evaluación del modelo en una infraestructura completamente administrada.

  • Entrenamiento
  • Entrenamiento mediante SageMaker
    SageMaker facilita el entrenamiento de modelos de aprendizaje automático (ML), ya que proporciona todo lo que se necesita para entrenar, ajustar y depurar modelos. Al utilizar el depurador de SageMaker, las reglas integradas son gratis. Para las reglas personalizadas, se debe elegir una instancia y se cobrará en función del tiempo que se utilice la instancia.

  • Inferencia en tiempo real
  • Alojamiento de SageMaker: inferencia en tiempo real
    Cuando implementa sus modelos como puntos de enlace de Amazon SageMaker para la inferencia en tiempo real y habilita el monitor de modelos de Amazon SageMaker, puede utilizar reglas integradas para monitorear sus modelos o escribir sus propias reglas personalizadas. Para las reglas integradas, obtiene hasta 30 horas de monitoreo de forma gratuita. El uso adicional dependerá de la utilización.

  • Transformación por lotes
  • Alojamiento de SageMaker: transformación por lotes
    Gracias a la transformación por lotes, no es necesario desglosar el conjunto de datos en varios fragmentos ni administrar puntos de enlace en tiempo real. La transformación por lotes permite ejecutar predicciones en conjuntos de datos de lotes grandes o pequeños.

Ejemplo de precios 1: blocs de notas de Studio

Un científico de datos experimenta la siguiente secuencia de acciones mientras utiliza los blocs de notas de SageMaker Studio.

  1. Abre el bloc de notas 1 en un kernel de TensorFlow en una instancia ml.c5.xlarge y, luego, trabaja en este bloc de notas durante una hora.
  2. Abre el bloc de notas 2 en una instancia ml.c5.xlarge. Este se abre automáticamente en la misma instancia ml.c5.xlarge que está ejecutando el bloc de notas 1. 
  3. Trabaja en el bloc de notas 1 y 2 de forma simultánea durante una hora. 
  4. El científico de datos recibirá una factura por un total de dos (2) horas de uso de la instancia ml.c5.xlarge. Por la hora en la que trabajó simultáneamente en el bloc de notas 1 y 2, cada aplicación de kernel se medirá por 0,5 hora y se le cobrará una hora.
Aplicación de kernel Instancia con bloc de notas Horas Subtotal de costos por hora Total
TensorFlow ml.c5.xlarge 1 0,24 USD  
TensorFlow ml.c5.xlarge 0,5 0,12 USD  
Ciencia de datos ml.c5.xlarge 0,5 0,12 USD  
        0,48 USD

Ejemplo de precios 2: procesamiento

Con el procesamiento de Amazon SageMaker, solo se cobran las instancias utilizadas durante la ejecución de los trabajos. Cuando proporciona los datos entrantes para procesar en Amazon S3, Amazon SageMaker descarga los datos desde Amazon S3 al almacenamiento de archivos local al comienzo de un trabajo de procesamiento.

El analista de datos ejecuta un trabajo de procesamiento para preprocesar y validar los datos en dos instancias ml.m5.4xlarge para la duración de un trabajo de 10 minutos. Ella sube un conjunto de datos de 100 GB en S3 como salida para el trabajo de procesamiento, y los datos de salida, que suelen tener el mismo tamaño que se almacenan nuevamente en S3.

Horas   Instancias de procesamiento  Costo por hora Total
1 * 2 *0,167 = 0,334 ml.m5.4xlarge 1,075 USD 0,359 USD
Almacenamiento de uso general (SSD) (GB)
 Costo por hora Total
100 GB * 2 = 200
0,14 USD 0,0032 USD

El subtotal para el trabajo de procesamiento de Amazon SageMaker = 0,359 USD;
El subtotal para 200 GB de almacenamiento de uso general (SSD) = 0,0032 USD.
El precio total de este ejemplo sería 0,3622 USD

Ejemplo de precios 3: entrenamiento

Una científica de datos dedicó una semana a trabajar en un modelo para una nueva idea. Entrenó el modelo 4 veces en una ml.m4.4xlarge durante 30 minutos por ejecución de entrenamiento con el depurador de Amazon SageMaker habilitado con 2 reglas integradas y 1 regla personalizada que ella escribió. Para la regla personalizada, especificó la instancia ml.m5.xlarge. Entrena usando 3 GB de datos de entrenamiento en Amazon S3 y envía una salida modelo de 1 GB a Amazon S3. SageMaker crea volúmenes de SSD de uso general (gp2) para cada instancia de entrenamiento. SageMaker también crea volúmenes de SSD de uso general (gp2) para cada regla especificada. En este ejemplo, se creará un total de 4 volúmenes de SSD de uso general (gp2). El depurador de SageMaker emite 1 GB de datos depurados al bucket de Amazon S3 del cliente.

Horas Instancia de entrenamiento Instancia de depuración Costo por hora
Subtotal
4 * 0,5 = 2,00
ml.m4.4xlarge
n/d 1,12 USD 2,24 USD
4 * 0,5 * 2 = 4
n/d
No se aplican cargos adicionales por las instancias de la regla integrada 0 USD
0 USD
4 * 0,5 = 2
ml.m5.xlarge n/d 0,27 USD 0,54 USD
        -------
        2,78 USD
  Almacenamiento de uso general (SSD) para entrenamiento (GB)
Almacenamiento de uso general (SSD) para las reglas integradas del depurador (GB) Almacenamiento de uso general (SSD) para las reglas personalizadas del depurador (GB) Costo por GB-mes Subtotal
Capacidad usada 3 2 1    
Costo 0,00083 USD No se aplican cargos adicionales por los volúmenes de la regla integrada
0,00028 USD 0,10000 USD 0,0011 USD

Los cargos totales por el entrenamiento y la depuración en este ejemplo son 2,7811 USD. Las instancias informáticas y los volúmenes de almacenamiento de uso general que utilizan las reglas integradas del depurador de SageMaker no generan cargos adicionales.

Ejemplo de precios 4: inferencia

El modelo del ejemplo 3 luego se implementa en producción en dos (2) instancias ml.c5.xlarge para un alojamiento en varias zonas de disponibilidad confiable. El monitor de modelos de Amazon SageMaker está habilitado con una (1) instancia ml.m5.4xlarge y los trabajos de monitoreo se programan una vez por día. Cada trabajo de monitoreo lleva 5 minutos en completarse. El modelo recibe diariamente 100 MB de datos y las inferencias tienen una décima parte del tamaño de los datos entrantes.

Horas al mes Instancias para alojamiento Instancias del monitor de modelos
Costo por hora Total
24 * 31 *2 = 1488 ml.c5.xlarge   0,238 USD 354,144 USD
31*0,08 = 2,5   ml.m5.4xlarge 1,075 USD 2,688 USD
Datos entrantes al mes – Alojamiento Datos salientes al mes – Alojamiento Costo por GB entrante o saliente Total
100 MB * 31 = 3100 MB
  0,02 USD 0,050 USD
  10 MB * 31 = 310 MB 0,02 USD 0,006 USD

Subtotal correspondiente al entrenamiento, el alojamiento y el monitoreo = 356,832 USD; subtotal correspondiente a 3100 MB de datos procesados entrantes y 310 MB de datos procesados salientes para el alojamiento al mes = 0,056 USD. El total de cargos para este ejemplo sería 356,887 USD por mes.

Nota: Para las reglas integradas con la instancia ml.m5.xlarge, obtiene hasta 30 horas de monitoreo agregado en todos los puntos de enlace por mes, sin costo.

Ejemplo de precios 5: transformación por lotes

Con la transformación por lotes de Amazon SageMaker, solo se cobran las instancias utilizadas durante la ejecución de los trabajos. Si sus datos ya se encuentran en Amazon S3, entonces no hay ningún costo por la lectura de datos de entrada desde S3 ni por la escritura de datos de salida en S3.

El modelo del ejemplo 1 se usa para ejecutar la transformación en lotes. La científica de datos ejecuta cuatro trabajos de transformación en lotes diferentes en 3 instancias ml.m4.4xlarge durante 15 minutos por ejecución de trabajo. Carga un conjunto de datos de evaluación de 1 GB en S3 para cada ejecución y las inferencias tienen una décima parte del tamaño de los datos de entrada, que se almacenan nuevamente en S3.

Horas   Instancias de entrenamiento  Costo por hora Total
3 * 0,25 * 4 = 3 horas ml.m4.xlarge 1,12 USD 3,36 USD
GB de datos de entrada – Transformación en lotes
GB de datos de salida – Transformación en lotes Costo por GB entrante o saliente Total
0 0 0,02 USD 0

Subtotal correspondiente al trabajo de transformación por lotes = 3,36 USD; subtotal correspondiente a 4,4 GB en Amazon S3 = 0.  El precio total de este ejemplo sería 3,36 USD.

Obtenga más información acerca de las características de Amazon SageMaker

Visite la página de características
¿Listo para comenzar?
Regístrese
¿Tiene más preguntas?
Contacte con nosotros