Amazon SageMaker aiuta sviluppatori e data scientist a preparare, creare, addestrare e implementare rapidamente modelli di machine learning (ML) di alta qualità combinando un’ampia gamma di funzionalità create ad hoc per il ML. SageMaker supporta i framework di machine learning, i kit di strumenti e i linguaggi di programmazione principali

I prezzi di SageMaker sono calcolati in base all'uso effettivo. Esistono due opzioni di pagamento: i prezzi on demand, senza tariffa minima né impegni anticipati, e i Savings Plans di SageMaker, che offrono un modello di determinazione dei prezzi flessibile e basato sul consumo in cambio dell'impegno ad un uso costante del servizio.

Piano gratuito di Amazon SageMaker

La prova di Amazon SageMaker Studio è gratuita. Grazie al piano gratuito di AWS, puoi iniziare a utilizzare Amazon SageMaker gratuitamente. Il piano gratuito si attiva il primo giorno del mese in cui crei la tua prima risorsa SageMaker. I dettagli del piano gratuito per Amazon SageMaker sono riportati nella tabella di seguito.

Funzionalità di Amazon SageMaker Uso del piano gratuito mensile per i primi 2 mesi
Notebook Studio e istanze notebook 250 ore di istanza ml.t3.medium sui notebook Studio OPPURE 250 ore di istanza ml.t2 medium o ml.t3.medium su istanze notebook
RStudio in SageMaker 250 ore di istanze ml.t3.medium su app RSession E istanza ml.t3.medium gratuita per app RStudioServerPro
Data Wrangler 25 ore di istanza ml.m5.4xlarge
Feature Store 10 milioni di unità di scrittura, 10 milioni di unità di lettura, 25 GB di archiviazione
Formazione 50 ore di istanze m4.xlarge o m5.xlarge
Inferenza in tempo reale 125 ore di istanze m4.xlarge o m5.xlarge
Serverless Inference 150.000 secondi di durata delle inferenze
Canvas 750 ore al mese per tempo di sessione, e fino a 10 richieste di creazione di modelli al mese, ognuna con un massimo di 1 milione di celle per richiesta di creazione di modelli

Prezzi on demand

  • Notebook Studio
  • Notebook Amazon SageMaker Studio
    I notebook Amazon SageMaker Studio sono notebook Jupyter che possono essere attivati rapidamente con un semplice clic. Le risorse di calcolo sottostanti sono elastiche e i notebook possono essere facilmente condivisi con altri consentendo una collaborazione senza interruzioni. Ti sarà addebitato l’importo per il tipo di istanza scelto in base alla durata dell’utilizzo.

  • RStudio su SageMaker
  • RStudio su SageMaker
    RStudio su SageMaker offre risorse di calcolo cloud on demand per accelerare lo sviluppo dei modelli e migliorare la produttività. Ti vengono addebitati i tipi di istanza che scegli per eseguire l'applicazione RStudio Session e l'applicazione RStudio Server Pro.

    App RStudioServerPro

  • Istanze notebook
  • Istanze notebook
    Le istanze notebook sono istanze di calcolo che eseguono l'applicazione notebook Jupyter. Ti sarà addebitato l'importo per il tipo di istanza scelto in base alla durata dell’utilizzo.

  • Processing
  • Amazon SageMaker Processing
    Amazon SageMaker Processing consente di eseguire facilmente i carichi di lavoro di pre-elaborazione, post-elaborazione e valutazione del modello su un'infrastruttura completamente gestita. Ti sarà addebitato l’importo per il tipo di istanza scelto in base alla durata dell’utilizzo.

  • Data Wrangler
  • Amazon SageMaker Data Wrangler
    Amazon SageMaker Data Wrangler riduce il tempo richiesto per l'aggregazione e la preparazione dei dati per il machine learning da settimane a pochi minuti. Ti sarà addebitato solo il costo del tempo impiegato per ripulire, esplorare e visualizzare i dati. SageMaker Data Wrangler viene fatturato per tipo di istanza al secondo.*

    Processi di Amazon SageMaker Data Wrangler

    Un processo di Amazon SageMaker Data Wrangler viene creato quando un flusso di dati viene esportato da SageMaker Data Wrangler. Con i processi SageMaker Data Wrangler, puoi automatizzare i tuoi flussi di lavoro di preparazione dei dati. Questi processi ti consentono di applicare nuovamente i tuoi flussi di lavoro di preparazione dei dati a nuovi set di dati in modo da risparmiare tempo e poter fatturare al secondo.

  • Feature Store
  • Amazon SageMaker Feature Store
    Amazon SageMaker Feature Store è un repository centrale che consente di acquisire, archiviare e utilizzare le funzionalità per il machine learning. Ti saranno addebitate le operazioni di scrittura, lettura e storage dei dati nel Feature Store di SageMaker. Le scritture vengono addebitate come unità di richiesta di scrittura per KB, le letture vengono addebitate come unità di richiesta di lettura per 4KB e lo storage dei dati viene addebitato per GB al mese.

  • Formazione
  • Amazon SageMaker Training
    Amazon SageMaker semplifica la formazione dei modelli di machine learning fornendo tutto il necessario per formare, ottimizzare ed eseguire il debug dei modelli. Ti sarà addebitato l'utilizzo del tipo di istanza che scegli. Se utilizzi Amazon SageMaker Debugger per eseguire il debug dei problemi e monitorare le risorse durante la formazione, puoi utilizzare le regole integrate per eseguire il debug dei processi di formazione oppure scrivere le tue regole personalizzate. L’uso delle regole integrate per il debug dei tuoi processi di formazione non implica alcun costo aggiuntivo. Per le regole personalizzate, ti sarà addebitato l’importo per il tipo di istanza scelto in base alla durata dell’utilizzo.

  • Inferenza in tempo reale
  • Amazon SageMaker Hosting: inferenza in tempo reale
    Amazon SageMaker fornisce inferenza in tempo reale per i tuoi casi d’uso che hanno bisogno di previsioni in tempo reale. Ti sarà addebitato l'utilizzo del tipo di istanza che scegli. Se utilizzi Amazon SageMaker Model Monitor per gestire modelli altamente precisi che forniscono inferenze in tempo reale, per monitorare i modelli puoi utilizzare le regole integrate o scriverne di personalizzate. Per le regole integrate, hai diritto all'utilizzo gratuito di massimo 30 ore di monitoraggio. I costi aggiuntivi dipenderanno dalla durata dell'utilizzo. Se invece utilizzi le tue regole personalizzate, ti verrà addebitato un importo separato.

  • Asynchronous Inference
  • Amazon SageMaker Asynchronous Inference:
    Amazon SageMaker Asynchronous Inference è un'opzione di inferenza in tempo quasi reale che mette in coda richieste in entrata, elaborandole in maniera asincrona. Utilizza questa opzione quando hai bisogno di elaborare grandi payload all'arrivo dei dati o eseguire modelli che richiedono lunghi tempi di elaborazione dell'inferenza e non richiedono latenza inferiore al secondo. Pagherai per il tipo di istanza scelto.

  • Trasformazione in batch
  • Trasformazione in batch con Amazon SageMaker
    Con la trasformazione in batch di Amazon SageMaker, non è necessario porzionare il set di dati o gestire gli endpoint in tempo reale. La trasformazione in batch di SageMaker permette di eseguire analisi predittive su batch di dati di piccole e grandi dimensioni. Ti sarà addebitato l’importo per il tipo di istanza scelto in base alla durata dell’utilizzo.

  • Serverless Inference
  • Amazon SageMaker Serverless Inference
    Amazon SageMaker Serverless Inference consente di implementare modelli di machine learning per l'inferenza senza configurare o gestire alcuna infrastruttura sottostante. Con Serverless Inference, si paga solo per la capacità di calcolo utilizzata per elaborare le richieste di inferenza, fatturata al millisecondo, e la quantità di dati elaborati. L’addebito per il calcolo dipende dalla configurazione di memoria che scegli.

  • JumpStart
  • Amazon SageMaker JumpStart
    Amazon SageMaker JumpStart ti aiuta a iniziare a utilizzare il machine learning rapidamente e facilmente tramite l'accesso con un clic alle raccolte di modelli popolari (note anche come "model zoo"). Jumpstart offre anche soluzioni end-to-end che risolvono casi d'uso comuni di ML e che possono essere personalizzate in base alle tue esigenze. Non sono previsti costi aggiuntivi per l'utilizzo di modelli o soluzioni JumpStart. Ti verranno addebitate le ore di istanze di formazione e inferenza sottostanti utilizzate come se le avessi create manualmente.

Dettagli sulle istanze

Dettagli del prodotto istanza P4d di Amazon SageMaker

Dimensioni istanza vCPU Memoria istanza (GiB) GPU Memoria GPU (GB) Larghezza di banda della rete (Gb/s) GPUDirect RDMA Peer to peer GPU Archiviazione istanza (GB) Larghezza di banda EBS (Gb/s)
ml.p4d.24xlarge 96 1152 8 320 HBM2 400 ENA ed EFA NVSwitch a 600 GB/s 8x1000 SSD NVMe 19

Dettagli del prodotto istanza P3 di Amazon SageMaker

Dimensioni istanza vCPU Memoria istanza (GiB) GPUs-V100 Memoria GPU (GB) Larghezza di banda della rete (Gb/s) Peer to peer GPU Larghezza di banda EBS (Gb/s)
ml.p3.2xlarge 8 61 1 16 Fino a 10 N/D 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

Dettagli del prodotto istanza G4 di Amazon SageMaker

Dimensioni istanza vCPU Memoria istanza (GiB) GPUs-T4 Larghezza di banda della rete (Gb/s) Archiviazione istanza (GB) Larghezza di banda EBS (Gb/s)
ml.g4dn.xlarge 4 16 1 Fino a 25 1 x 125 SSD NVMe Fino a 3,5
ml.g4dn.2xlarge 8 32 1 Fino a 25 1 x 125 SSD NVMe Fino a 3,5
ml.g4dn.4xlarge 16 64 1 Fino a 25 1 x 125 SSD NVMe 4,75
ml.g4dn.8xlarge 32 128 1 50 1 x 900 SSD NVMe 9,5
ml.g4dn.16xlarge 64 256 1 50 1 x 900 SSD NVMe 9,5
ml.g4dn.12xlarge 48 192 4 50 1 x 900 SSD NVMe 9,5

Dettagli del prodotto istanza G5 di Amazon SageMaker

Dimensioni istanza vCPU Memoria istanza (GiB) GPUs-A10G Memoria GPU (GiB) Larghezza di banda della rete (Gb/s) Larghezza di banda EBS (Gb/s) Archiviazione istanza (GB)
ml.g5n.xlarge 4 16 1 24 Fino a 10 Fino a 3,5 1x250
ml.g5.2xlarge 8 32 1 24 Fino a 10 Fino a 3,5 1x450
ml.g5.4xlarge 16 64 1 24 Fino a 25 8 1x600
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

Ora puoi accedere ad Amazon SageMaker Studio, il primo ambiente di sviluppo completamente integrato (IDE) senza costi aggiuntivi. SageMaker Studio ti offre accesso, controllo e visibilità completi su ogni fase necessaria alla costruzione, all'addestramento e all’implementazione dei modelli. Usando SageMaker Studio, paghi solo per il calcolo e l’archiviazione sottostante che usi all'interno di Studio.

Puoi utilizzare numerosi servizi su SageMaker Studio, AWS SDK per Python (Boto3) o AWS CLI, tra cui:

  • SageMaker Pipelines per automatizzare e gestire i flussi di lavoro ML
  • SageMaker Autopilot per creare automaticamente modelli ML con visibilità completa
  • SageMaker Experiments per organizzare e tenere traccia di processi e versioni
  • SageMaker Debugger per eseguire il debug delle anomalie durante la formazione
  • SageMaker Model Monitor per mantenere modelli di alta qualità
  • SageMaker Clarify per spiegare meglio i modelli ML e individuare gli errori
  • SageMaker JumpStart per implementare facilmente soluzioni ML per numerosi casi d'uso. Ti possono essere addebitati costi relativi ad altri servizi AWS utilizzati nella soluzione per le chiamate API sottostanti effettuate da Amazon SageMaker per tuo conto.
  • SageMaker Inference Recommender per ottenere suggerimenti per la corretta configurazione degli endpoint

Paghi solo per le risorse di calcolo e archiviazione sottostanti all'interno di SageMaker o altri servizi AWS, in base al tuo utilizzo.

Amazon SageMaker Studio Lab

Puoi costruire e addestrare modelli di machine learning utilizzando Amazon SageMaker Studio Lab gratuitamente. SageMaker Studio Lab offre a sviluppatori, accademici e data scientist un ambiente di sviluppo senza configurazione per imparare e sperimentare con il machine learning senza costi aggiuntivi.

Amazon SageMaker Canvas

Amazon SageMaker Canvas espande l'accesso al ML fornendo ai business analyst la capacità di generare previsioni precise di ML utilizzando un'interfaccia grafica immediata, senza bisogno di codifica o esperienza di ML.

Amazon SageMaker Data Labeling

Amazon SageMaker Data Labeling fornisce due offerte di etichettatura dei dati, Amazon SageMaker Ground Truth Plus e Amazon SageMaker Ground Truth. Puoi ottenere ulteriori informazioni su Amazon SageMaker Data Labeling, un servizio di etichettatura dei dati interamente gestito che semplifica la creazione di set di dati di formazione altamente precisi per il machine learning.

Amazon SageMaker Edge

Scopri i prezzi di Amazon SageMaker Edge per ottimizzare, eseguire e monitorare i modelli ML sui parchi istanze di dispositivi edge. 

Savings Plans di Amazon SageMaker

I Savings Plans di Amazon SageMaker contribuiscono a ridurre i costi fino al 64%. I piani si applicano automaticamente all'uso idoneo delle istanze ML SageMaker, inclusi SageMaker Studio Notebooks, istanze Notebook SageMaker, SageMaker Processing, SageMaker Data Wrangler, SageMaker Training, SageMaker Real-Time Inference e SageMaker Batch Transform, indipendentemente dalla famiglia di istanze, dalla dimensione o dalla regione. Ad esempio, puoi modificare in qualsiasi momento l'uso da un'istanza CPU ml.c5.xlarge in esecuzione negli Stati Uniti orientali (Ohio) a un'istanza ml.Inf1 negli Stati Uniti occidentali (Oregon) per carichi di lavoro di inferenza e continuare automaticamente a pagare il prezzo di Savings Plans. 

Ulteriori informazioni »

Costo totale di proprietà con Amazon SageMaker

Amazon SageMaker offre un costo totale di proprietà inferiore di almeno il 54% nell'arco di tre anni rispetto ad altre soluzioni basate sul cloud gestite dal cliente. Scopri di più con l’analisi TCO completa per Amazon SageMaker.

Esempi di prezzo

Ulteriori informazioni su Amazon SageMaker

Visita la pagina della panoramica di SageMaker
Sei pronto per iniziare?
Registrati
Hai altre domande?
Contattaci