Amazon SageMaker membantu ilmuwan data dan developer untuk menyiapkan, membangun, melatih, dan melakukan deployment model machine learning (ML) berkualitas tinggi secara cepat dengan menggabungkan serangkaian kemampuan yang dibuat khusus untuk ML. SageMaker mendukung kerangka kerja, kit alat, dan bahasa pemrograman ML yang terkemuka.

Dengan SageMaker, Anda hanya membayar apa yang Anda gunakan. Anda memiliki dua pilihan pembayaran, yaitu: pertama, Harga Sesuai Permintaan tanpa biaya minimum serta komitmen di muka dan kedua, SageMaker Savings Plans yang menawarkan model harga berbasis penggunaan yang fleksibel sebagai ganti dari komitmen untuk jumlah penggunaan yang konsisten.

Amazon SageMaker Tingkat Gratis

Amazon SageMaker dapat dicoba secara gratis. Sebagai bagian dari AWS Tingkat Gratis, Anda dapat memulai Amazon SageMaker secara gratis. Tingkat gratis Anda dimulai dari bulan pertama saat Anda membuat sumber daya SageMaker pertama Anda. Detail dari tingkat gratis untuk Amazon SageMaker ada di tabel berikut ini.

Kapabilitas Amazon SageMaker Penggunaan Tingkat Gratis per bulan untuk 2 bulan pertama
Notebook Studio dan instans notebook sesuai permintaan 250 jam instans ml.t3.medium di notebook Studio ATAU 250 jam instans ml.t2 medium atau instans ml.t3.medium di instans notebook yang sesuai permintaan
RStudio di SageMaker 250 jam instans ml.t3.medium di aplikasi RSession DAN gratis instans ml.t3.medium untuk aplikasi RStudioServerPro
Data Wrangler 25 jam instans ml.m5.4xlarge
Tempat Penyimpanan Fitur 10 juta unit tulis, 10 juta unit baca, penyimpanan 25 GB
Pelatihan 50 jam instans m4.xlarge atau m5.xlarge
Inferensi Waktu Nyata 125 jam instans m4.xlarge atau m5.xlarge
Serverless Inference 150.000 detik durasi inferensi
Canvas 750 jam/bulan untuk waktu sesi dan permintaan pembuatan model hingga 10 permintaan per bulan, masing-masing hingga 1 juta sel/permintaan pembuatan model

Harga Sesuai Permintaan

  • Studio Notebooks
  • RStudio di SageMaker
  • Instans Notebook Sesuai Permintaan
  • Pemrosesan
  • Data Wrangler
  • Tempat Penyimpanan Fitur
  • Pelatihan
  • Inferensi Waktu Nyata
  • Inferensi Asinkron
  • Batch Transform
  • Serverless Inference
  • JumpStart
  • Studio Notebooks
  • Amazon SageMaker Studio Notebooks
    Notebook Amazon SageMaker Studio adalah notebook Jupyter sekali klik yang dapat dijalankan dengan cepat. Sumber daya komputasi dasarnya sepenuhnya elastis dan notebook dapat dengan mudah dibagikan dengan orang lain sehingga memungkinkan adanya kolaborasi tanpa hambatan. Anda akan dikenai biaya untuk tipe instans yang Anda pilih, berdasarkan durasi penggunaan.

  • RStudio di SageMaker
  • RStudio di SageMaker
    RStudio di SageMaker menawarkan sumber daya komputasi cloud sesuai permintaan untuk mempercepat pengembangan model dan meningkatkan produktivitas. Anda dikenakan biaya untuk tipe instans yang Anda pilih untuk menjalankan aplikasi RStudio Session dan aplikasi RStudio Server Pro.

    Aplikasi RStudioServerPro

  • Instans Notebook Sesuai Permintaan
  • Instans Notebook Sesuai Permintaan
    Instans Notebook Sesuai Permintaan adalah instans komputasi yang menjalankan aplikasi notebook Jupyter. Anda akan dikenai biaya untuk tipe instans yang Anda pilih, berdasarkan durasi penggunaan.

  • Pemrosesan
  • Amazon SageMaker Processing
    Amazon SageMaker Processing memungkinkan Anda menjalankan beban kerja prapemrosesan, pascapemrosesan, dan evaluasi model dengan mudah pada infrastruktur terkelola penuh. Anda akan dikenai biaya untuk tipe instans yang Anda pilih, berdasarkan durasi penggunaan.

  • Data Wrangler
  • Amazon SageMaker Data Wrangler
    Amazon SageMaker Data Wrangler mengurangi waktu pengumpulan dan penyiapan data untuk machine learning dari minggu ke menit. Cukup bayar atas waktu yang digunakan untuk membersihkan, menjelajahi, dan memvisualisasikan data. SageMaker Data Wrangler dikenakan harga per jenis instans per detik.*

    Tugas Amazon SageMaker Data Wrangler

    Tugas Amazon SageMaker Data Wrangler dibuat saat aliran data diekspor dari SageMaker Data Wrangler. Dengan tugas SageMaker Data Wrangler, Anda dapat mengotomatiskan alur kerja persiapan data Anda. Tugas SageMaker Data Wrangler membantu Anda menerapkan kembali alur kerja persiapan data pada set data baru untuk membantu menghemat waktu, dengan biaya per detik.

  • Tempat Penyimpanan Fitur
  • Amazon SageMaker Feature Store
    Amazon SageMaker Feature Store adalah repositori pusat untuk menyerap, menyimpan, dan melayani fitur untuk machine learning. Anda dikenai biaya untuk menulis, membaca, dan penyimpanan data di SageMaker Feature Store. Penulisan dikenai biaya sebagai unit permintaan tulis per KB, pembacaan dikenai biaya sebagai unit permintaan baca per 4KB, dan penyimpanan data dikenai biaya per GB per bulan.

  • Pelatihan
  • Pelatihan Amazon SageMaker
    Amazon SageMaker memudahkan pelatihan model machine learning (ML) dengan menyediakan semua yang Anda butuhkan untuk melatih, menyetel, dan men-debug model. Anda akan ditagih atas penggunaan tipe instans yang Anda pilih. Saat Anda menggunakan Amazon SageMaker Debugger untuk men-debug masalah dan memantau sumber daya selama pelatihan, Anda dapat menggunakan aturan bawaan untuk men-debug tugas pelatihan Anda atau menulis aturan kustom Anda sendiri. Penggunaan aturan bawaan untuk men-debug tugas pelatihan Anda tidak dikenakan biaya. Untuk aturan kustom, Anda akan dikenakan biaya atas tipe instans yang Anda pilih, berdasarkan durasi penggunaan.

  • Inferensi Waktu Nyata
  • Hosting Amazon SageMaker: Inferensi Waktu Nyata
    Amazon SageMaker memberikan inferensi waktu nyata untuk kasus penggunaan Anda yang memerlukan prediksi waktu nyata. Anda akan ditagih atas penggunaan jenis instans yang Anda pilih. Bila Anda menggunakan Amazon SageMaker Model Monitor untuk mempertahankan model akurasi tinggi yang menyediakan inferensi waktu nyata, Anda dapat menggunakan aturan bawaan untuk memantau model Anda atau menulis aturan kustom Anda sendiri. Untuk aturan internal, Anda mendapatkan hingga 30 jam pemantauan tanpa biaya. Biaya tambahan akan dihitung sesuai durasi penggunaan. Ada biaya terpisah bila menggunakan aturan kustom Anda sendiri.

  • Inferensi Asinkron
  • Inferensi Asinkron Amazon SageMaker:
    Inferensi Asinkron Amazon SageMaker merupakan opsi inferensi mendekati waktu nyata yang mengantrekan permintaan masuk dan memprosesnya secara asinkron. Gunakan opsi ini saat Anda perlu memproses muatan besar ketika data datang atau menjalankan model yang memiliki waktu pemrosesan inferensi yang lama dan tidak memiliki persyaratan latensi sub-detik. Anda dikenakan biaya untuk jenis instans yang Anda pilih.

  • Batch Transform
  • Batch Transform Amazon SageMaker
    Dengan Batch Transform Amazon SageMaker, Anda tidak perlu merinci set data menjadi beberapa bagian atau mengelola titik akhir waktu nyata. Batch Transform SageMaker memungkinkan Anda menjalankan prediksi pada set data batch besar atau kecil. Anda akan dikenai biaya untuk tipe instans yang Anda pilih, berdasarkan durasi penggunaan.

  • Serverless Inference
  • Amazon SageMaker Serverless Inference
    Amazon SageMaker Serverless Inference memungkinkan Anda melakukan deployment model machine learning untuk inferensi tanpa mengonfigurasi atau mengelola infrastruktur apa pun yang mendasarinya. Dengan Serverless Inference, Anda hanya perlu membayar kapasitas komputasi yang digunakan untuk memproses permintaan inferensi, yang ditagih berdasarkan satuan milidetik, dan jumlah data yang diproses. Biaya komputasi bergantung pada konfigurasi memori yang Anda pilih.

  • JumpStart
  • Amazon SageMaker JumpStart
    Amazon SageMaker JumpStart membantu Anda memulai dengan cepat dan mudah dengan machine learning menggunakan akses satu klik ke koleksi model populer (dikenal juga dengan “model zoo”). Jumpstart juga menawarkan solusi end-to-end yang akan menyelesaikan kasus penggunaan ML umum, yang dapat dikustomisasi sesuai kebutuhan Anda. Tidak ada biaya tambahan untuk penggunaan model atau solusi JumpStart. Anda akan dikenai biaya untuk penggunaan jam instans Pelatihan dan Inferensi dasar sama dengan apabila Anda membuatnya secara manual.

Amazon SageMaker Studio

Sekarang, Anda dapat mengakses Amazon SageMaker Studio, lingkungan pengembangan terintegrasi (IDE) penuh pertama tanpa biaya tambahan. SageMaker Studio memberi Anda akses dan visibilitas penuh ke setiap langkah yang diperlukan untuk membangun, melatih, dan melakukan deployment model. Dengan menggunakan SageMaker Studio, Anda hanya perlu membayar komputasi dan penyimpanan dasar yang Anda gunakan di dalam Studio.

Anda dapat menggunakan banyak layanan dari SageMaker Studio, AWS SDK for Python (Boto3), atau AWS CLI, termasuk:

  • SageMaker Pipelines untuk mengotomatiskan dan mengelola alur kerja ML
  • SageMaker Autopilot untuk membuat model ML dengan visibilitas penuh secara otomatis
  • SageMaker Experiments untuk mengatur dan melacak tugas dan versi pelatihan Anda
  • SageMaker Debugger untuk melakukan debug anomali selama pelatihan
  • SageMaker Model Monitor untuk menjaga model agar tetap berkualitas tinggi
  • SageMaker Clarify untuk menjelaskan model ML Anda dan mendeteksi bias dengan lebih baik
  • SageMaker JumpStart untuk melakukan deployment solusi ML dengan mudah untuk banyak kasus penggunaan. Anda mungkin akan dikenai biaya untuk Layanan AWS lain yang digunakan dalam solusi untuk panggilan API dasar yang dilakukan oleh Amazon SageMaker atas nama Anda.
  • SageMaker Inference Recommender untuk mendapatkan rekomendasi untuk konfigurasi titik akhir yang tepat

Anda hanya perlu membayar untuk sumber daya komputasi dan penyimpanan dasar di SageMaker atau layanan AWS lainnya, berdasarkan penggunaan Anda.

Amazon SageMaker Studio Lab (pratinjau)

Anda dapat membangun dan melatih model ML dengan menggunakan Amazon SageMaker Studio Lab (pratinjau) secara gratis. SageMaker Studio Lab menawarkan sebuah lingkungan pengembangan tanpa konfigurasi kepada para developer, akademisi, dan ilmuwan data untuk belajar serta bereksperimen dengan ML tanpa biaya tambahan.

Amazon SageMaker Canvas

Amazon SageMaker Canvas memperluas akses ML dengan memberi analis bisnis kemampuan untuk menghasilkan prediksi ML yang akurat dengan menggunakan antarmuka point-and-click visual—tidak ada pengkodean atau pengalaman ML yang diperlukan.

Amazon SageMaker Data Labeling

Amazon SageMaker Data Labeling memberikan dua penawaran pelabelan data, yaitu Amazon SageMaker Ground Truth Plus dan Amazon SageMaker Ground Truth. Anda dapat mempelajari selengkapnya tentang Amazon SageMaker Data Labeling, sebuah layanan pelabelan data terkelola penuh yang memudahkan pembangunan set data pelatihan yang sangat akurat untuk ML.

Amazon SageMaker Edge

Pelajari selengkapnya tentang harga Amazon SageMaker Edge untuk mengoptimalkan, menjalankan, dan memantau model ML di armada perangkat edge

Amazon SageMaker Savings Plans

Amazon SageMaker Savings Plans membantu Anda mengurangi biaya hingga 64%. Paket akan secara otomatis diterapkan pada penggunaan instans ML SageMaker yang memenuhi syarat, termasuk notebook SageMaker Studio, notebook SageMaker Sesuai Permintaan, Pemrosesan SageMaker, SageMaker Data Wrangler, Pelatihan SageMaker, Inferensi Waktu Nyata SageMaker, dan Batch Transform SageMaker, terlepas dari keluarga, ukuran, atau Wilayah instans. Misalnya, Anda dapat mengubah penggunaan dari ml.c5.xlarge instans CPU yang berjalan di AS Timur (Ohio) ke instans ml.Inf1 di AS Barat (Oregon) untuk beban kerja inferensi kapan saja dan secara otomatis akan terus membayar harga Savings Plans. 

Pelajari selengkapnya »

Total biaya kepemilikan (TCO) dengan Amazon SageMaker

Amazon SageMaker menawarkan total biaya kepemilikan (TCO) setidaknya 54% lebih rendah selama periode tiga tahun dibandingkan dengan solusi yang dikelola sendiri dan berbasis cloud lainnya. Pelajari selengkapnya tentang Analisis TCO untuk Amazon SageMaker.

Contoh harga

  • Contoh harga #1: Notebook Studio

    Ilmuwan Data akan melakukan urutan tindakan berikut saat menggunakan notebook Amazon 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 secara otomatis terbuka di instans ml.c5.xlarge yang sama yang menjalankan notebook 1. 
    3. Bekerja di notebook 1 dan notebook 2 sekaligus selama 1 jam.
    4. Ilmuwan data akan ditagih untuk total dua (2) jam penggunaan ml.c5.xlarge. Untuk waktu tumpang tindih saat ia bekerja di notebook 1 dan notebook 2 secara bersamaan, tiap-tiap aplikasi kernel akan dihitung selama 0,5 jam dan ia akan dikenai tagihan untuk 1 jam.
    Aplikasi kernel Instans notebook Jam Biaya per jam Total
    TensorFlow ml.c5.xlarge 1 0,204 USD 0,204 USD
    TensorFlow ml.c5.xlarge 0,5 0,204 USD 0,102 USD
    Ilmu Data ml.c5.xlarge 0,5 0,204 USD 0,102 USD
            0,408 USD
  • Contoh harga #2: RStudio di SageMaker

    Seorang ilmuwan data menjalankan urutan tindakan berikut saat menggunakan RStudio di SageMaker:

    1. Meluncurkan RSession 1 pada instans ml.c5.xlarge, lalu bekerja di notebook ini selama 1 jam.
    2. Meluncurkan RSession 2 pada instans ml.c5.xlarge. Ini akan secara otomatis terbuka di instans ml.c5.xlarge yang sama yang menjalankan RSession 1.
    3. Bekerja pada RSesssion 1 dan RSession 2 secara bersamaan selama 1 jam.
    4. Ilmuwan data akan ditagih untuk total dua (2) jam penggunaan ml.c5.xlarge. Untuk jam yang tumpang tindih saat ia mengerjakan RSession 1 dan RSession 2 secara bersamaan, tiap-tiap aplikasi RSession akan diukur selama 0,5 jam dan ia akan dikenai biaya untuk 1 jam.

    Sementara itu, RServer berjalan selama 24/7 terlepas dari apakah ada RSessions yang sedang berjalan atau tidak. Jika admin memilih “Kecil” (ml.t3.medium), maka tidak dikenai biaya. Jika admin memilih “Sedang” (ml.c5.4xlarge) atau “Besar” (ml.c5.9xlarge), maka biayanya akan dibebankan per jam sejauh RStudio diaktifkan untuk Domain SageMaker.

    Aplikasi RSession Instans RSession Jam Biaya per jam Total
    Base R ml.c5.xlarge 1 0,204 USD 0,204 USD
    Base R ml.c5.xlarge 0,5 0,204 USD 0,102 USD
    Base R ml.c5.xlarge 0,5 0,204 USD 0,102 USD
            0,408 USD
  • Contoh harga #3: Pemrosesan

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

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

    Jam  Instans pemrosesan Biaya per jam Total
    1 * 2 * 0,167 = 0,334 ml.m5.4xlarge 0,922 USD 0,308 USD
    Penyimpanan Tujuan Umum (SSD) (GB) Biaya per jam Total
    100 GB * 2 = 200 0,14 USD 0,0032 USD

    Subtotal untuk tugas Pemrosesan Amazon SageMaker = 0,308 USD.
    Subtotal untuk 200 GB penyimpanan SSD tujuan umum = 0,0032 USD.
    Total harga untuk contoh ini menjadi 0,3112 USD.

  • Contoh harga #4: Data Wrangler

    Sebagai ilmuwan data, Anda memerlukan waktu tiga hari menggunakan Amazon SageMaker Data Wrangler untuk membersihkan, menjelajahi, dan memvisualisasikan data Anda dengan durasi selama 6 jam per hari. Untuk menjalankan pipeline persiapan data, Anda kemudian memulai tugas SageMaker Data Wrangler yang dijadwalkan berjalan setiap minggu.

    Tabel di bawah ini merangkum total penggunaan Anda untuk bulan tersebut dan biaya terkait untuk menggunakan Amazon SageMaker Data Wrangler.

    Aplikasi Instans SageMaker Studio Hari Durasi Durasi total Biaya per jam  Subtotal biaya
    SageMaker Data Wrangler ml.m5.4xlarge 3 6 jam 18 jam 0,922 USD 16,596 USD
    Tugas SageMaker Data Wrangler ml.m5.4xlarge - 40 menit 2,67 jam 0,922 USD 2,461 USD

    Dari tabel tersebut, Anda menggunakan Amazon SageMaker Data Wrangler selama total 18 jam selama 3 hari untuk menyiapkan data Anda. Selain itu, Anda membuat tugas SageMaker Data Wrangler untuk menyiapkan data yang diperbarui setiap minggu. Setiap tugas berlangsung selama 40 menit, dan tugas dijalankan setiap minggu selama satu bulan.

    Total biaya bulanan atas penggunaan Data Wrangler = 16,596 USD + 2,461 USD = 19,097 USD

  • Contoh harga #5: Tempat Penyimpanan Fitur

    Anda memiliki aplikasi web yang menerbitkan baca dan tulis, masing-masing sebesar 25 KB ke Tempat Penyimpanan Fitur Amazon SageMaker. Selama 10 hari pertama dalam sebulan, Anda akan menerima lalu lintas yang sedikit pada aplikasi, yang menghasilkan 10.000 tulis dan 10.000 baca setiap hari ke Tempat Penyimpanan Fitur SageMaker. Namun, pada hari ke-11 di bulan itu aplikasi Anda mencuri perhatian di media sosial, dan lalu lintas aplikasi melonjak menjadi 200.000 baca dan 200.000 tulis hari itu. Aplikasi Anda pun perlahan memiliki pola lalu lintas yang lebih teratur, rata-rata 80.000 baca dan 80.000 tulis setiap hari hingga akhir bulan.

    Tabel di bawah ini merangkum total penggunaan Anda selama bulan tersebut dan biaya penggunaan Amazon SageMaker Feature Store.

    Hari di bulan itu Total Tulis Total unit tulis Total Baca Total unit baca
    Hari 1 s/d 10 100.000 tulis 
    (10.000 tulis * 10 hari)
    2.500.000 
    (100.000 * 25 KB)
    100.000 
    (10.000 * 10 hari)
    700.000 ++ 
    (100.000 * 25/4 KB)
             
    Hari 11 200.000 tulis 5.000.000 
    (200.000 * 25 KB)
    200.000 baca 1.400.000 ++ 
    (200.000 * 25/4KB)
             
    Hari 12 s/d 30 1.520.000 tulis 
    (80.000 * 19 hari)
    38.000.000 
    (1.520.000 * 25 KB)
    1.520.000 tulis
    (80.000 * 19 hari)
    10.640.000++
    (1.520.000 * 25/4KB)
             
    Total unit yang dikenakan biaya   45.500.000 unit tulis   12.740.000 unit baca
    Biaya bulanan untuk tulis dan baca   56,875 USD 
    (45,5 juta unit tulis * 1,25 USD per juta tulis)
      3,185 USD 
    (12,74 juta unit baca * 0,25 USD per juta baca)

    ++ Semua pecahan unit baca dibulatkan ke bilangan bulat berikutnya

    Penyimpanan data
    Total data yang disimpan = 31,5 GB
    Biaya bulanan atas penyimpanan data = 31,5 GB * 0,45 USD = 14,175 USD

    Total biaya bulanan atas Tempat Penyimpanan Fitur Amazon SageMaker = 56,875 USD + 3,185 USD + 14,175 USD = 74,235 USD

  • Contoh harga #6: Pelatihan

    Seorang ilmuwan data telah menghabiskan waktu seminggu dalam mengerjakan model untuk sebuah 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 menekan output model 1 GB ke dalam Amazon S3. SageMaker membuat volume SSD tujuan umum (gp2) untuk setiap instans pelatihan. SageMaker juga membuat volume SSD tujuan umum (gp2) untuk setiap aturan yang ditentukan. Dalam contoh ini, total 4 volume SSD tujuan umum (gp2) akan dibuat. SageMaker Debugger mengeluarkan 1 GB data debug ke bucket Amazon S3 pelanggan.

     

    Jam Instans pelatihan Instans debug Biaya per jam  Subtotal
    4 * 0,5 = 2,00 ml.m4.4xlarge n/a 0,96 USD 1,92 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 0,23 USD 0,46 USD
            -------
            2,38 USD
      Penyimpanan tujuan umum (SSD) untuk pelatihan (GB)  Penyimpanan tujuan umum (SSD) untuk aturan bawaan debugger (GB) Penyimpanan tujuan umum (SSD) untuk aturan kustom debugger (GB) Biaya per GB-bulan Subtotal
    Kapasitas yang digunakan 3 2 1    
    Biaya 0 USD Tidak ada biaya tambahan untuk volume penyimpanan aturan bawaan 0 USD 0,10 USD 0 USD

    Total biaya untuk pelatihan dan debugging dalam contoh ini adalah 2,38 USD. Instans komputasi dan volume penyimpanan tujuan umum yang digunakan oleh aturan bawaan Amazon SageMaker Debugger tidak dikenakan biaya tambahan.

  • Contoh harga #7: Inferensi waktu nyata

    Model dalam contoh #5 kemudian dilakukan deployment ke produksi pada dua (2) instans ml.c5.xlarge untuk meng-hosting multi-AZ yang andal. Amazon SageMaker Model Monitor diaktifkan dengan satu (1) instans ml.m5.4xlarge dan tugas pemantauan dijadwalkan sekali per hari. Setiap tugas pemantauan memerlukan waktu 5 menit. Model akan menerima 100 MB data per hari, dan inferensi sebesar 1/10 dari ukuran data input.

    Jam per bulan Instans hosting Instans Model Monitor Biaya per jam Total
    24 * 31 * 2 = 1488 ml.c5.xlarge   0,204 USD 303,522 USD
    31*0,08 = 2,5   ml.m5.4xlarge 0,922 USD 2,305 USD

     

    Data Masuk per bulan - hosting Data Keluar per bulan - hosting Biaya per GB Masuk atau Keluar Total
    100 MB * 31 = 3.100 MB   0,016 USD 0,0496 USD
      10 MB * 31 = 310 MB 0,016 USD 0,00496 USD

    Subtotal untuk pelatihan, hosting, dan pemantauan = 305,827 USD. Subtotal untuk 3.100 MB data yang diproses Masuk dan 310 MB data yang diproses Keluar untuk Hosting per bulan = 0.054 USD. Total biaya untuk contoh ini adalah 305,881 USD per bulan.

    Catatan, untuk aturan bawaan dengan instans ml.m5.xlarge, Anda akan mendapatkan hingga 30 jam pemantauan yang digabungkan di seluruh titik akhir setiap bulan, tanpa biaya.

  • Contoh harga #8: Inferensi Asinkron

    Inferensi Asinkron Amazon SageMaker mengenakan biaya untuk instans yang digunakan oleh titik akhir Anda. Saat sedang tidak secara aktif memproses permintaan, Anda dapat mengonfigurasi penskalaan otomatis untuk menskalakan jumlah instans ke nol guna menghemat biaya. Untuk muatan input di Amazon S3, tidak ada biaya untuk membaca data input dari Amazon S3 dan menulis data output ke S3 di Wilayah yang sama.

    Model dalam Contoh #5 digunakan untuk menjalankan titik akhir Inferensi Asinkron SageMaker. Titik akhir dikonfigurasi untuk dijalankan pada 1 instans ml.c5.xlarge dan menurunkan skala jumlah instansnya ke nol saat tidak memproses permintaan secara aktif. Instans ml.c5.xlarge di titik akhir memiliki 4 GB penyimpanan tujuan umum (SSD) yang terpasang. Dalam contoh ini, titik akhir akan mempertahankan jumlah instans 1 selama 2 jam per hari dan memiliki periode pendinginan selama 30 menit setelah diskalakan turun ke jumlah instans nol untuk sisa hari itu. Oleh karena itu, Anda dikenai biaya penggunaan sebesar 2,5 jam per hari. 

    Titik akhir memproses 1.024 permintaan per hari. Ukuran untuk setiap isi permintaan/respons pemanggilan adalah 10 KB dan ukuran untuk setiap muatan permintaan inferensi di Amazon S3 adalah 100 MB. Output inferensi adalah sebesar 1/10 dari ukuran data input yang disimpan kembali di Amazon S3 di Wilayah yang sama. Dalam contoh ini, biaya pemrosesan data berlaku untuk isi permintaan dan respons, tetapi tidak untuk data yang ditransfer ke/dari Amazon S3. 

    Jam per bulan Instans hosting Biaya per jam Total
    2,5 * 31 * 1 = 77,5 ml.c5.xlarge 0,20 USD 15,81 USD
    Penyimpanan Tujuan Umum (SSD) (GB) Biaya per Gb-bulan Total
    4 0,14 USD 0,56 USD
    Data Masuk per bulan Data Keluar per bulan Biaya per GB Masuk atau Keluar Total
    10 KB * 1.024 * 31 = 310 MB 10 KB * 1.024 * 31 = 310 MB 0,02 USD 0,0048
      10 KB * 1.024 * 31 = 310 MB 0,02 USD 0,0048

    Subtotal untuk Inferensi Asinkron SageMaker = 15,81 USD + 0,56 USD + 2 * 0,0048 = 16,38 USD. Total biaya Inferensi Asinkron untuk contoh ini menjadi 16,38 USD per bulan.

  • Contoh harga #9: Batch Transform

    Batch Transform Amazon SageMaker hanya mengenakan biaya untuk instans yang digunakan saat tugas Anda sedang berjalan. Jika data Anda sudah berada di Amazon S3, maka tidak akan ada biaya untuk membaca data input dari S3 dan menulis data output ke S3 di Wilayah yang sama.  

    Model dalam contoh #5 digunakan untuk menjalankan Batch Transform SageMaker. Ilmuwan data menjalankan empat tugas Batch Transform SageMaker yang berbeda di 3 ml.m4.4xlarge selama 15 menit per tugas yang dijalankan. Ia mengunggah set data evaluasi sebesar 1 GB di S3 untuk setiap proses, dan inferensi sebesar 1/10 dari ukuran data input yang disimpan kembali di S3.

    Jam  Instans pelatihan Biaya per jam Total
    3 * 0,25 * 4 = 3 jam ml.m4.4xlarge 0,96 USD 2,88 USD
    GB data Masuk - Batch Transform GB data Keluar - Batch Transform Biaya per GB Masuk atau Keluar Total
    0 0 0,02 USD 0 USD

    Subtotal untuk tugas Batch Transform SageMaker = 2,88 USD. Subtotal untuk 4,4 GB ke Amazon S3 = 0 USD. Total biaya untuk contoh ini adalah 2,90 USD.

  • Contoh harga #10: Inferensi Nirserver

    Dengan Inferensi Nirserver, Anda hanya perlu membayar kapasitas komputasi yang digunakan untuk memproses permintaan inferensi, yang ditagih berdasarkan satuan milidetik, dan jumlah data yang diproses. Biaya komputasi bergantung pada konfigurasi memori yang Anda pilih.

    Jika Anda mengalokasikan memori sebesar 2 GB untuk titik akhir, menjalankannya 10 juta kali dalam satu bulan dan berjalan selama 100 milidetik setiap waktu, serta memproses total 10 GB Data Masuk/Keluar, biaya Anda akan dihitung sebagai berikut:

    Biaya komputasi bulanan

    Jumlah permintaan Durasi setiap permintaan Durasi total inferensi (detik) Biaya per detik Biaya durasi inferensi bulanan
    10 Juta 100 ms 1 Juta 0,00004 USD 40 USD

    Biaya proses data bulanan 

    Pemrosesan data (GB) Biaya per GB Masuk atau Keluar Biaya pemrosesan data bulanan
    10 GB 0,016 USD 0,16 USD

    Subtotal untuk biaya durasi Inferensi Nirserver SageMaker = 40 USD. Subtotal untuk biaya pemrosesan data sebesar 10 GB = 0,16 USD. Total biaya untuk contoh ini adalah 40,16 USD.

  • Contoh harga #11: Jumpstart

    Pelanggan menggunakan JumpStart untuk melakukan deployment model BERT Base Uncased yang dilatih sebelumnya untuk mengklasifikasi sentimen ulasan pelanggan sebagai positif atau negatif.

    Pelanggan melakukan deployment model tersebut ke dua (2) instans ml.c5.xlarge untuk hosting multi-AZ yang tepercaya. Model akan menerima 100 MB data per hari, dan inferensi sebesar 1/10 dari ukuran data input.

    Jam per bulan Instans hosting Biaya per jam Total
    24 * 31 * 2 = 1488 ml.c5.xlarge 0,204 USD 303,55 USD
     
    Data Masuk per bulan - Hosting Data Keluar per bulan - Hosting Biaya per GB Masuk atau Keluar

    Total

    100 MB * 31 = 3.100 MB   0,02 USD 0,06 USD
      10 MB * 31 = 310 MB 0,02 USD 0,01 USD
     

    Subtotal untuk pelatihan, hosting, dan pemantauan = 305,827 USD. Subtotal untuk 3.100 MB data yang diproses Masuk dan 310 MB data yang diproses Keluar untuk Hosting per bulan = 0,06 USD. Total biaya untuk contoh ini adalah 305,887 USD per bulan.

Pelajari selengkapnya tentang Amazon SageMaker

Kunjungi halaman ikhtisar SageMaker
Siap untuk memulai?
Daftar
Ada pertanyaan lagi?
Hubungi kami