Dengan Amazon SageMaker, Anda hanya membayar apa yang digunakan. Pembuatan, pelatihan, dan penerapan model ML ditagihkan berdasarkan detik, tanpa biaya minimal dan tanpa komitmen di awal.

Coba Amazon SageMaker gratis

Sebagai bagian dari Tingkat Gratis AWS, Anda dapat memulai Amazon SageMaker secara gratis. Jika Anda belum pernah menggunakan Amazon SageMaker, untuk dua bulan pertama, Anda mendapat penawaran tingkat gratis bulanan untuk 250 jam penggunaan notebook t2.medium atau t3.medium dengan instans t3.medium atau instans notebook sesuai permintaan dengan notebook SageMaker Studio untuk membangun model Anda, ditambah 50 jam m4.xlarge atau m5.xlarge untuk pelatihan model Anda, serta 125 jam m4.xlarge atau m5.xlarge untuk menerapkan model pembelajaran mesin Anda untuk inferensi real-time dan transformasi batch dengan Amazon SageMaker. Tingkat gratis tidak mencakup penggunaan volume penyimpanan. Tingkat gratis Anda dimulai dari bulan pertama saat Anda membuat sumber daya SageMaker pertama Anda.

Amazon SageMaker Studio gratis

Kini Anda dapat mengakses Amazon SageMaker Studio, lingkungan pengembangan terintegrasi sepenuhnya (IDE) pertama untuk pembelajaran mesin. SageMaker Studio memberikan Anda akses dan visibilitas penuh ke dalam setiap langkah yang diperlukan untuk membangun, melatih, dan menerapkan model. Dengan menggunakan SageMaker Studio secara gratis, Anda hanya membayar layanan AWS yang Anda gunakan di Studio.

Total biaya kepemilikan (TCO) lebih rendah dengan Amazon SageMaker

Amazon SageMaker menawarkan biaya total kepemilikan (TCO) setidaknya 54% lebih rendah selama periode 3 tahun dibandingkan dengan solusi berbasis cloud lainnya yang dikelola sendiri. Analisis TCO selengkapnya untuk Amazon SageMaker dapat ditemukan di sini.

  • Notebook Studio
  • Instans Notebook Sesuai Permintaan
  • Pemrosesan
  • Pelatihan
  • Inferensi Real-Time
  • Transformasi Batch
  • Notebook Studio
  • Notebook SageMaker Studio
    Notebook studio adalah notebook Jupyter sekali klik yang dapat dijalankan dengan cepat. Sumber daya komputasi yang mendasarinya sepenuhnya elastis. Notebook ini dapat dengan mudah dibagikan dengan orang lain sehingga memungkinkan kolaborasi yang mudah. 

  • Instans Notebook Sesuai Permintaan
  • Instans Notebook Sesuai Permintaan
    Instans Notebook Sesuai Permintaan adalah instans komputasi pembelajaran mesin (ML) yang menjalankan Aplikasi Notebook Jupyter. Anda akan ditagih untuk penggunaan jenis instans yang Anda pilih. Setiap notebook dicantumkan terpisah pada tagihan Anda.

  • Pemrosesan
  • Pemrosesan SageMaker
    Pemrosesan SageMaker memungkinkan Anda menjalankan beban kerja prapemrosesan, pascapemrosesan, dan evaluasi model dengan mudah pada infrastruktur yang terkelola sepenuhnya.

  • Pelatihan
  • Pelatihan SageMaker
    SageMaker memudahkan pelatihan model pembelajaran mesin (ML) dengan menyediakan semua yang Anda butuhkan untuk melatih, menyesuaikan, dan men-debug model. Saat Anda menggunakan SageMaker Debugger, aturan bawaannya gratis. Untuk aturan kustom, Anda akan perlu memilih instans dan Anda akan dikenakan biaya untuk durasi di mana instans digunakan.

  • Inferensi Real-Time
  • Hosting SageMaker: Inferensi Real-Time
    Ketika Anda menerapkan model Anda sebagai titik akhir Amazon SageMaker untuk inferensi real-time dan mengaktifkan Amazon SageMaker Model Monitor, Anda dapat menggunakan aturan bawaan untuk memantau model Anda atau menulis aturan kustom Anda sendiri. Untuk aturan internal, Anda mendapatkan hingga 30 jam pemantauan secara gratis. Penggunaan tambahan tergantung pada penggunaan.

  • Transformasi Batch
  • Hosting SageMaker: Transformasi Batch
    Dengan Transformasi Batch, Anda tidak perlu menguraikan kumpulan data menjadi beberapa bagian atau mengelola titik akhir real-time. Transformasi Batch memungkinkan Anda menjalankan prediksi pada kumpulan data batch besar atau kecil.

Contoh Harga #1: Notebook Studio

Ilmuwan data melalui urutan tindakan berikut selagi menggunakan Notebook SageMaker Studio.

  1. Membuka notebook 1 di kernel TensorFlow di instans ml.c5.xlarge, lalu bekerja di notebook ini selama 1 jam.
  2. Membuka notebook 2 di instans ml.c5.xlarge. Ini akan terbuka secara otomatis di instans ml.c5.xlarge yang menjalankan notebook 1. 
  3. Bekerja di notebook 1 dan notebook 2 secara bersamaan selama 1 jam. 
  4. Ilmuwan data tersebut akan ditagihkan untuk total 2 jam pemakaian ml.c5.xlarge. Untuk waktu tumpang tindih di mana dia bekerja di notebook 1 dan notebook 2 secara bersamaan, tiap aplikasi kernel akan dihitung selama 0,5 jam dan dia akan ditagihkan selama 1 jam.
Aplikasi Kernel Instans Notebook Jam Biaya per jam Sub Total Total
TensorFlow ml.c5.xlarge 1 0,24 USD  
TensorFlow ml.c5.xlarge 0,5 0,12 USD  
Ilmu Data ml.c5.xlarge 0,5 0,12 USD  
        0,48 USD

Contoh Harga #2: Pemrosesan

Amazon SageMaker Processing hanya mengenakan biaya untuk instans yang digunakan saat tugas Anda sedang dilakukan. Ketika Anda menyediakan data input untuk pemrosesan di Amazon S3, Amazon SageMaker mengunduh data dari Amazon S3 ke penyimpanan file lokal di awal tugas pemrosesan.

Analis data menjalankan tugas Pemrosesan untuk memproses awal dan memvalidasi data di dua instans ml.m5.4xlarge selama durasi tugas 10 menit. Ia mengunggah set data sebesar 100 GB di S3 sebagai input untuk tugas pemrosesan dan data output yang berukuran kurang lebih sama disimpan kembali di S3.

Jam   Instans Pemrosesan  Biaya per jam Total
1 * 2 * 0,167 = 0,334 ml.m5.4xlarge 1,075 USD 0,359 USD
Penyimpanan (GB) Tujuan Umum (SSD)
 Biaya per jam Total
100 * 2 = 200 GB
0,14 USD 0,0032 USD

Subtotal untuk Tugas Pemrosesan Amazon SageMaker = 0,359 USD;
Subtotal untuk 200 GB penyimpanan SSD tujuan umum = 0,0032 USD.
Total harga untuk contoh ini adalah 0,3622 USD

Contoh Harga #3: Pelatihan

Ilmuwan data telah menghabiskan waktu satu minggu mengerjakan model ide baru. Ia melatih model 4 kali di sebuah ml.m4.4xlarge selama 30 menit per pelatihan dengan Amazon SageMaker Debugger diaktifkan menggunakan 2 aturan built-in dan 1 aturan kustom yang ia tulis. Untuk aturan kustom, ia menentukan instans ml. m5.xlarge. Ia melatih menggunakan data pelatihan 3 GB di Amazon S3, dan memasukkan 1 GB output model ke dalam Amazon S3. SageMaker membuat Volume General Purpose SSD (gp2) untuk setiap instans Pelatihan. SageMaker juga membuat Volume General Purpose SSD (gp2) untuk setiap aturan yang ditentukan. Dalam contoh ini, total 4 Volume General Purpose SSD (gp2) akan dibuat. SageMaker Debugger memancarkan 1 GB data debug ke bucket Amazon S3 pelanggan.

Jam Instans Latihan Instans Debug Biaya per jam
Sub Total
4 * 0,5 = 2,00
ml.m4.4xlarge
n/a 1,12 USD 2,24 USD
4 * 0,5 * 2 = 4
n/a
Tidak ada biaya tambahan untuk instans aturan built-in 0 USD
0 USD
4 * 0,5 = 2
ml.m5.xlarge n/a 0,27 USD 0,54 USD
        -------
        2,78 USD
  Penyimpanan General Purpose (SSD) untuk Pelatihan (GB)
Penyimpanan General Purpose (SSD) untuk aturan built-in Debugger (GB) Penyimpanan General Purpose (SSD) untuk aturan kustom Debugger (GB) Biaya per GB-bulan Sub Total
Kapasitas digunakan 3 2 1    
Biaya 0,00083 USD Tidak ada biaya tambahan untuk volume penyimpanan aturan built-in
0,00028 USD 0,10000 USD 0,0011 USD

Total biaya untuk pelatihan dan debugging dalam contoh ini adalah 2,7811 USD. Instans komputasi dan volume penyimpanan tujuan umum yang digunakan oleh aturan bawaan SageMaker Debugger tidak menambahkan biaya.

Contoh Harga #4: Inferensi

Model di Contoh #3 kemudian diterapkan ke produksi ke dua (2) instans ml.c5.xlarge untuk hosting multi-AZ yang andal. Amazon SageMaker Model Monitor diaktifkan dengan satu (1) instans ml.m5.4xlarge dan tugas pemantauan dijadwalkan sekali sehari. Setiap tugas pemantauan memerlukan waktu 5 menit. Model tersebut menerima 100MB data per hari, dan inferensi 1/10 ukuran data input.

Jam per bulan Instans Hosting Instans Model Monitor
Biaya per jam 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
Data Masuk per bulan - Hosting Data Keluar per bulan - Hosting Biaya per GB Masuk atau Keluar Total
100 MB * 31 = 3100 MB
  0,02 USD 0,050 USD
  10 MB * 31 = 310 MB 0,02 USD 0,006 USD

Subtotal untuk pelatihan, hosting, dan pemantauan = 356,832 USD; Subtotal untuk 3100 MB data yang diproses Masuk dan 310 MB data yang diproses Keluar untuk Hosting per bulan = 0,056 USD. Total biaya untuk contoh ini adalah 356,887 USD per bulan.

Harap diingat, untuk aturan internal dengan instans ml.m5.xlarge, Anda mendapatkan hingga 30 jam pemantauan teragregat di semua titik akhir setiap bulan, tanpa biaya.

Contoh Harga #5: Transformasi Batch

Amazon SageMaker Batch Transform hanya mengenakan biaya untuk instans yang digunakan saat tugas Anda sedang dilakukan. Jika data Anda sudah di dalam Amazon S3, maka tidak ada biaya untuk membaca data input dari S3 dan menuliskan data output ke S3.

Model dalam Contoh #1 digunakan untuk menjalankan Batch Transform. Ilmuwan data menjalankan empat tugas Batch Transform yang terpisah pada 3 ml.m4.4xlarge selama 15 menit per penjalanan tugas. Ia mengunggah himpunan data evaluasi sebesar 1 GB dalam S3 untuk setiap penjalananan, dan inferensi adalah 1/10 ukuran data input yang disimpan kembali dalam S3.

Jam   Instans Pelatihan  Biaya per jam Total
3 * 0.25 * 4 = 3 jam ml.m4.xlarge 1,12 USD 3,36 USD
GB data Masuk - Batch Transform
GB data Keluar - Batch Transform Biaya per GB Masuk atau Keluar Total
0 0 0,02 USD 0

Subtotal untuk tugas Transformasi Batch = 3,36 USD; Subtotal untuk 4.4 GB ke dalam Amazon S3 = 0. Total biaya untuk contoh ini adalah 3,36 USD.

Pelajari selengkapnya tentang fitur Amazon SageMaker

Kunjungi halaman fitur
Siap untuk memulai?
Daftar
Punya pertanyaan lainnya?
Hubungi kami