Amazon SageMaker aide les scientifiques des données et les développeurs à préparer, créer, entraîner et déployer rapidement des modèles de machine learning (ML) de haute qualité en rassemblant un large éventail de fonctionnalités conçues spécialement pour le ML. SageMaker prend en charge les cadres, boîtes à outils et langages de programmation de machine learning majeurs.

Avec SageMaker, vous ne payez que ce que vous consommez. Deux options de paiement vous sont proposées : la tarification à la demande (sans frais minimums ni engagements initiaux) et SageMaker Savings Plans (qui vous offre un modèle de tarification flexible basé sur l'utilisation, en échange d'un engagement sur une quantité constante d'utilisation).

Offre gratuite Amazon SageMaker

Vous pouvez essayer Amazon SageMaker gratuitement. Dans le cadre de l'offre gratuite d'AWS, vous pouvez commencer à utiliser Amazon SageMaker gratuitement. Votre offre gratuite commence à partir du premier mois où vous créez votre première ressource SageMaker. Les informations concernant l'offre gratuite d'Amazon SageMaker se trouvent dans le tableau ci-dessous.

Capacité d'Amazon SageMaker Utilisation mensuelle de l'offre gratuite pendant les 2 premiers mois
Blocs-notes Studio et instances de blocs-notes 250 heures d'utilisation des instances ml.t3.medium sur des blocs-notes Studio OU 250 heures d'utilisations des instances ml.t2.medium ou ml.t3.medium sur des instances de blocs-notes
RStudio sur SageMaker 250 heures d'utilisation des instances ml.t3.medium sur l'application RSession ET des instances ml.t3.medium gratuites pour l'application RStudioServerPro
Data Wrangler 25 heures d'instance ml.m5.4xlarge
Feature Store 10 millions d'unités d'écriture, 10 millions d'unités de lecture, 25 Go de stockage
Formation 50 heures d'instances m4.xlarge ou m5.xlarge
Inférence en temps réel 125 heures d'instances m4.xlarge ou m5.xlarge
Inférence sans serveur 150 000 secondes de durée d'inférence
Canvas 750 heures/mois pour le temps de session, et jusqu'à 10 demandes de création de modèles/mois, chacune avec un maximum de 1 million de cellules par demande de création de modèles.

Tarification à la demande

  • Blocs-notes Studio
  • Blocs-notes Amazon SageMaker Studio
    Les blocs-notes Amazon SageMaker Studio sont des blocs-notes Jupyter à un clic qui peuvent être rapidement démarrés. Les ressources informatiques sous-jacentes sont entièrement Elastic, et les blocs-notes peuvent être facilement partagés avec d'autres, ce qui permet une collaboration sans faille. Vous êtes facturé au type d'instance que vous choisissez, en fonction de la durée d'utilisation.

  • RStudio sur SageMaker
  • RStudio sur SageMaker
    RStudio sur SageMaker offre des ressources de calcul dans le cloud à la demande afin d'accélérer le développement de modèles et d'améliorer la productivité. Vous êtes facturé pour les types d'instance que vous choisissez d'exécuter sur l'application RStudio Session et l'application RStudio Server Pro.

    RStudioServerPro App

  • Instances de bloc-notes
  • Instances de bloc-notes
    Les instances de bloc-notes sont des instances de calcul qui exécutent l'application bloc-notes Jupyter. Vous êtes facturé au type d'instance que vous choisissez, en fonction de la durée d'utilisation.

  • Traitement
  • Amazon SageMaker Processing
    Amazon SageMaker Processing permet d'exécuter simplement les charges de travail de prétraitement, de post-traitement et d'évaluation du modèle sur une infrastructure entièrement gérée. Vous êtes facturé au type d'instance que vous choisissez, en fonction de la durée d'utilisation.

  • Data Wrangler
  • Amazon SageMaker Data Wrangler
    Amazon SageMaker Data Wrangler réduit, de plusieurs semaines à quelques minutes, le temps nécessaire à l'agrégation et à la préparation des données pour le machine learning. Vous payez pour le temps utilisé pour nettoyer, explorer et visualiser les données. Le prix de SageMaker Data Wrangler est calculé à la seconde près, par type d'instance.*

    Tâches Amazon SageMaker Data Wrangler

    Une tâche de Amazon SageMaker Data Wrangler est créée lorsqu'un flux de données est exporté depuis SageMaker Data Wrangler. Avec les tâches SageMaker Data Wrangler, vous pouvez automatiser vos flux de préparation de données. Les tâches SageMaker Data Wrangler vous aident à appliquer de nouveau vos flux de préparation de données sur de nouveaux jeux de données, afin de vous faire gagner du temps. Elles sont facturées à la seconde.

  • Feature Store
  • Amazon SageMaker Feature Store
    Amazon SageMaker Feature Store est un référentiel central permettant d'ingérer, de stocker et de proposer des fonctionnalités de machine learning. L'écriture, la lecture et le stockage de données sur SageMaker Feature Store vous sont facturés. Les écritures sont facturées en unités de demande d'écriture par Ko, les lectures sont facturées mensuellement en unités de demande de lecture par 4 Ko et le stockage de données est facturé par Go.

  • Formation
  • Amazon SageMaker Training
    Amazon SageMaker facilite la formation des modèles de machine learning (ML) en fournissant tout ce dont vous avez besoin pour former, ajuster et déboguer les modèles. La facturation est établie en fonction de l'utilisation du type d'instance que vous choisissez. Lorsque vous utilisez Amazon SageMaker Debugger pour déboguer des problèmes et surveiller les ressources pendant la formation, vous pouvez utiliser les règles intégrées pour déboguer vos travaux de formation ou rédiger vos propres règles personnalisées. L'utilisation des règles intégrées pour déboguer vos offres de formation est gratuite. Concernant les règles personnalisées, vous êtes facturé au type d'instance que vous choisissez et en fonction de la durée d'utilisation.

  • Inférence en temps réel
  • Hébergement Amazon SageMaker : inférence en temps réel
    Amazon SageMaker fournit une inférence en temps réel pour vos cas d'utilisation nécessitant des prédictions en temps réel. La facturation est établie en fonction de l'utilisation du type d'instance que vous choisissez. Lorsque vous utilisez Amazon SageMaker Model Monitor pour conserver des modèles très précis fournissant une inférence en temps réel, vous pouvez utiliser des règles intégrées pour surveiller vos modèles ou rédiger vos propres règles personnalisées. Quant aux règles intégrées, vous bénéficiez de 30 heures de surveillance gratuite. Les frais supplémentaires seront fixés en fonction de la durée d'utilisation. Vous êtes facturé séparément lorsque vous utilisez vos propres règles personnalisées.

  • Inférence asynchrone
  • Inférence asynchrone Amazon SageMaker :
    L'inférence asynchrone Amazon SageMaker est une option d'inférence en temps quasi réel qui met les requêtes entrantes en file d'attente, puis les traite de manière asynchrone. Utilisez cette option lorsque vous devez traiter des charges utiles importantes au fur et à mesure de l'arrivée des données ou exécuter des modèles dont les temps de traitement d'inférence sont longs et qui n'ont pas d'exigences de latence inférieure à la seconde. Vous êtes facturé pour le type d'instance que vous choisissez.

  • Batch Transform
  • Amazon SageMaker Batch Transform
    Avec Amazon SageMaker Batch Transform, il n'est pas nécessaire de décomposer l'ensemble de données ni de gérer les points de terminaison en temps réel. SageMaker Batch Transform vous permet d'exécuter des prédictions sur des ensembles de données de grande ou petite capacité. Vous êtes facturé au type d'instance que vous choisissez, en fonction de la durée d'utilisation.

  • Serverless Inference
  • Amazon SageMaker Serverless Inference
    Amazon SageMaker Serverless Inference vous permet de déployer des modèles de machine learning pour l'inférence, sans avoir à configurer ou à gérer une quelconque infrastructure sous-jacente. Avec Serverless Inference, vous ne payez que la capacité de calcul utilisée pour traiter les demandes d'inférence, facturées à la milliseconde, et la quantité de données traitées. Les frais de calcul dépendent de la configuration de mémoire choisie.

  • JumpStart
  • Amazon SageMaker JumpStart
    Amazon SageMaker JumpStart vous aide à démarrer rapidement et facilement avec le machine learning grâce à un accès en un clic aux ensembles de modèles courants (également appelés « Model Zoos »). JumpStart offre également des solutions de bout en bout, permettant de résoudre les cas d'utilisation ML courants, qui peuvent être personnalisés en fonction de vos besoins. L'utilisation de modèles ou des solutions JumpStart n'entraîne aucuns frais supplémentaires. Vous êtes facturé pour les heures d'instances d'entraînement et d'inférence sous-jacentes utilisées, et ce de la même manière que si vous les aviez créées manuellement.

Détails de l'instance

Détails de l’instance P4d Amazon Sagemaker

Taille d'instance vCPU Mémoire d'instance (Gio) GPU Mémoire de GPU (Go) Bande passante réseau (Go/s) GPUDirect RDMA Pair à pair GPU Stockage d'instance (Go) Bande passante EBS (Go/s)
ml.p4d.24xlarge 96 1 152 8 320 HBM2 400 ENA et EFA Oui NVSwitch 600 Go/s 8 SSD NVMe de 1000 19

Détail du produit de l’instance P3 Amazon Sagemaker

Taille d'instance vCPU Mémoire d'instance (Gio) GPUs-V100 Mémoire de GPU (Go) Bande passante réseau (Go/s) Pair à pair GPU Bande passante EBS (Go/s)
ml.p3.2xlarge 8 61 1 16 Jusqu'à 10 N/A 1,5
ml.p3.8xlarge 32 244 4 64 10 NVLink 7
ml.p3.16xlarge 64 488 8 128 25 NVLink 14
ml.p3dn.24xlarge 96 768 8 256 100 NVLink 19

Détail du produit de l’instance G4 Amazon SageMaker

Taille d'instance vCPU Mémoire d'instance (Gio) GPUs-T4 Bande passante réseau (Go/s) Stockage d'instance (Go) Bande passante EBS (Go/s)
ml.g4dn.xlarge 4 16 1 Jusqu'à 25 1 disque SSD NVMe de 125 Jusqu'à 3,5
ml.g4dn.2xlarge 8 32 1 Jusqu'à 25 1 disque SSD NVMe de 125 Jusqu'à 3,5
ml.g4dn.4xlarge 16 64 1 Jusqu'à 25 1 disque SSD NVMe de 125 4,75
ml.g4dn.8xlarge 32 128 1 50 1 disque SSD NVMe de 900 9,5
ml.g4dn.16xlarge 64 256 1 50 1 disque SSD NVMe de 900 9,5
ml.g4dn.12xlarge 48 192 4 50 1 disque SSD NVMe de 900 9,5

Détail du produit de l’instance G5 Amazon SageMaker

Taille d'instance vCPU Mémoire d'instance (Gio) GPUs-A10G Mémoire GPU (GiB) Bande passante réseau (Go/s) Bande passante EBS (Go/s) Stockage d'instance (Go)
ml.g5n.xlarge 4 16 1 24 Jusqu'à 10 Jusqu'à 3,5 1 x 250
ml.g5.2xlarge 8 32 1 24 Jusqu'à 10 Jusqu'à 3,5 1 x 450
ml.g5.4xlarge 16 64 1 24 Jusqu'à 25 8 1 x 600
ml.g5.8xlarge 32 128 1 24 25 16 1x900
ml.g5.16xlarge 64 256 1 24 25 16 1x1900
ml.g5.12xlarge 48 192 4 96 40 16 1x3800
ml.g5.24xlarge 96 384 4 96 50 19 1x3800
ml.g5.48xlarge 192 768 8 192 100 19 2x3800

Amazon SageMaker Studio

Vous pouvez désormais accéder sans frais supplémentaires à Amazon SageMaker Studio, le premier environnement de développement entièrement intégré (IDE). Grâce à SageMaker Studio, vous avez un accès et une visibilité complets sur chaque étape nécessaire à la création, à l'entraînement et au déploiement de modèles. Avec SageMaker Studio, vous ne payez que les frais du calcul et du stockage sous-jacents que vous utilisez dans Studio.

Vous pouvez utiliser un grand nombre de services de SageMaker Studio, d'AWS SDK pour Python (Boto3) ou d'AWS CLI, parmi lesquels :

  • SageMaker Pipelines pour l'automatisation et la gestion des flux ML
  • SageMaker Autopilot pour créer automatiquement des modèles de ML avec une visibilité totale
  • SageMaker Experiments pour organiser et suivre vos offres et versions de la formation
  • SageMaker Debugger pour déboguer les anomalies en cours d'entraînement
  • SageMaker Model Monitor pour maintenir des modèles de qualité supérieure
  • SageMaker Clarify pour mieux expliquer vos modèles ML et détecter les biais
  • SageMaker JumpStart pour déployer facilement des solutions ML pour de nombreux cas d'utilisation. Des frais peuvent vous être facturés à partir des autres services AWS utilisés dans la solution pour les appels d'API sous-jacents effectués par Amazon SageMaker en votre nom
  • SageMaker Inference Recommender pour obtenir des recommandations sur la configuration idéale du point de terminaison

Vous ne payez que les ressources de calcul et de stockage sous-jacentes dans SageMaker ou d'autres services AWS, en fonction de votre utilisation.

Amazon SageMaker Studio Lab

Vous pouvez créer et entraîner gratuitement des modèles de ML à l'aide d'Amazon SageMaker Studio Lab. SageMaker Studio Lab met gratuitement à la disposition des développeurs, des universitaires et des scientifiques des données, un environnement de développement sans configuration pour apprendre et expérimenter le ML.

Amazon SageMaker Canvas

Amazon SageMaker Canvas étend l'accès ML en offrant aux analystes métier la possibilité de faire des prédictions ML précises à l'aide d'une interface visuelle par pointer-cliquer, sans exiger la moindre expérience en ML ou en codage.

Amazon SageMaker Data Labeling

Amazon SageMaker Data Labeling propose deux offres en matière d'étiquetage des données : Amazon SageMaker Ground Truth Plus et Amazon SageMaker Ground Truth. En savoir plus sur Amazon SageMaker Data Labeling, un service d'étiquetage des données entièrement géré qui facilite la création de jeux de données d'entraînement hautement précis pour le ML.

Amazon SageMaker Edge

En savoir plus sur la tarification d'Amazon SageMaker Edge pour optimiser, exécuter et surveiller les modèles ML sur des flottes d'appareils périphériques. 

Savings Plans Amazon SageMaker

Amazon SageMaker Savings Plans vous offre jusqu'à 64 % de réduction sur les coûts. Les plans s'appliquent automatiquement à l'utilisation des instances ML SageMaker éligibles, y compris les blocs-notes SageMaker Studio, les instances de blocs-notes SageMaker, SageMaker Processing, SageMaker Data Wrangler, SageMaker Training, SageMaker Real-Time Inference et SageMaker Batch Transform, indépendamment de la famille, de la taille ou de la région de l'instance. Par exemple, vous pouvez à tout moment passer d'une instance de processeur ml.c5.xlarge s'exécutant dans la région USA Est (Ohio) à une instance ml.Inf1 s'exécutant dans la région USA Ouest (Oregon) pour des charges de travail d'inférence, et toujours bénéficier automatiquement de la tarification Savings Plans. 

En savoir plus »

Coût total de possession (TCO) avec Amazon SageMaker

Par rapport à d'autres solutions autogérées basées sur le cloud, Amazon SageMaker permet de réduire d'au moins 54 % le coût total de possession (TCO) sur trois ans. En savoir plus sur l'analyse complète du TCO sur Amazon SageMaker.

Exemples de tarification

En savoir plus sur Amazon SageMaker

Visitez la page de présentation de SageMaker
Prêt à vous lancer ?
S'inscrire
D'autres questions ?
Nous contacter