無料利用枠
AWS 無料利用枠の一環として、SageMaker Ground Truth の使用を無料で開始できます。Amazon SageMaker を初めて使用してから最初の 2 か月間、毎月ラベル付けした最初の 500 の対象は無料です (ラベル付けのベンダーまたは Amazon Mechanical Turk を使用した場合の追加費用を除く)。
Amazon SageMaker Ground Truth Plus の料金詳細
Amazon SageMaker Ground Truth Plus は、ラベリングアプリケーションを構築したり、ラベル付けのための労働力を自ら管理したりすることなく、質の高い機械学習トレーニングデータセットを作成するのに役立ちます。SageMaker Ground Truth Plus は、バウンディングボックス、キューボイド、キーバリューペアなどのラベル単位での料金設定となっています。
SageMaker Ground Truth Plus では、お客様固有のユースケースと要件に合わせたカスタム見積りを受け取ります。カスタマイズされた見積りを入手するには、プロジェクト要件フォームに記入してください。
Amazon SageMaker Ground Truth の料金詳細
Amazon SageMaker Ground Truth は、機械学習のためのトレーニングデータセットを構築するのに役立ちます。SageMaker Ground Truth は、ワークフローと呼ばれるプロセスで、ラベル付けを行う人間の作業者をステップごとに誘導することによって、コンテンツ (画像、音声、テキストなど) にラベルを付けます。次の 3 つのグループの作業者が、こうしたワークフローを使用してラベル付けを行うことができます。Amazon Mechanical Turk からの作業者、自社の従業員、サードパーティーのベンダー。また、SageMaker Ground Truth は、これらのラベルから学習し、対象物に自動的にラベルを付けることもできます。
SageMaker Ground Truth によって自動的にラベル付けされるか、人間の作業者によってラベル付けされるかにかかわらず、それぞれのラベル付き対象物 (画像、音声録音、またはテキストのセクションなど) に対して支払うことになります。ベンダーまたは Mechanical Turk を利用してラベル付けを行う場合は、ラベル付き対象物ごとに追加費用を支払う必要があります。ラベル付けに自社の従業員を使用する場合、ラベル付けした対象物ごとの追加費用は発生しません。
オブジェクトの料金詳細
レビューしたデータセットオブジェクトの数に対して課金されます。データセットオブジェクトは、すべてのモダリティにわたるデータの原子単位として定義されます。
レビューしたオブジェクト (画像、動画フレーム、テキストドキュメント、オーディオファイルなど)
3D 点群
人件費の料金詳細
Amazon Mechanical Turk で組み込みワークフロー
ラベル付けに Amazon Mechanical Turk を使用する場合、レビューインスタンスごとに対象物ごとに課金されます。ラベルの精度を向上させるには、対象物ごとに複数のラベル付け作業者を使用することをお勧めします。
ベンダー
ベンダーを使用する場合、ラベルごとのコストがベンダーごとに設定されます。各ベンダーの料金の詳細は、AWS Marketplace で確認できます。
Amazon SageMaker Ground Truth の料金の例
人間によるラベル付けに自社の従業員を使用
製造企業は、機械学習を使用して自社製品の画像を分類します。モデルをトレーニングするために、製品名で 40,000 枚の画像にラベルを付けます。画像分類向けに組み込まれたワークフローを使用して、従業員が 40,000 枚の画像のすべてにラベルを付けます。
同社では社内従業員を使用していたため、人間がラベルを付けた 40,000 枚の画像の費用は、1 画像あたり同じ 0.08 USD です。
合計コスト = 40,000 人間がラベルを付けた画像 x 0.08 USD/1 画像 = 3,200 USD
カスタムワークフローでの人間によるラベル付けのための Mechanical Turk の使用
広告会社は機械学習を使用して、ソーシャルメディア投稿の感情とコンテンツの両方を判断しています。同社のモデルをトレーニングするために、同社は 85,000 件の投稿にラベルを付ける必要があると判断しています。カスタムワークフローを構築してアップロードし、1 件の投稿につき 0.036 USD の支払いを設定することを決めました。また、ラベルの精度を上げるために、各投稿に 3 回ラベルを付けることにしました。SageMaker Ground Truth を使用して、人間が 85,000 件の投稿にラベルを付けます。
同社では Mechanical Turk を使用していたため、コストには、作業者がラベルを付けた投稿ごとに 0.036 USD の追加料金が含まれていました。
合計コスト = (50,000 x 0.08 USD/1 記事) + (35,000 件の投稿 x 0.04 USD/1 投稿) + (85,000 件の人間がラベルを付けた投稿 x 0.036 USD/1 投稿 x 3 人の作業者/1 対象物) = 14,580 USD
組み込みのワークフローによる人間によるラベル付けのための Mechanical Turk の使用
出版会社は、機械学習を使って自然言語処理アプリケーションを構築し、新聞記事を分類します。モデルをトレーニングするために、200,000 件の記事にラベルを付けます。同社は、組み込みのテキスト分類ワークフローを選択し、ラベルの精度を向上させるために各記事を 3 回ラベル付けすることに決めました。SageMaker Ground Truth を使用して、人間が 40,000 件の記事をラベル付けし、160,000 件は自動的にラベルを付けます。
同社は Mechanical Turk を使用していたため、テキスト分類のワークフローには、作業者がラベルを付けた記事ごとに 0.012 USD の追加料金が含まれていました。
合計コスト = (50,000 x 0.08 USD/1 記事) + (150,000 記事 x 0.04 USD/1 記事) + (40,000 件の作業者がラベルを付けた記事 x 0.012 USD/1 記事 x 3 人の作業者/1 対象物) + Amazon SageMaker のトレーニングと推論コスト** = 11,440 USD + Amazon SageMaker のトレーニングと推論コスト**
**これらのコストは、使用するデータセットのタイプ、ラベル付けタスクの種類、データセットの画像の解像度など、さまざまな要因によって異なります。
料金に関するその他のリソース
AWS の月額料金を簡単に計算できます。
個別のお見積もりをご希望の場合、AWS のスペシャリストにお問い合わせください。