O Amazon SageMaker ajuda cientistas de dados e desenvolvedores a preparar, construir, treinar e implantar modelos de machine learning (ML) de alta qualidade rapidamente reunindo um amplo conjunto de funcionalidades de propósito específico para ML. O SageMaker é compatível com os principais frameworks e toolkits de machine learning e linguagens de programação.

Com o SageMaker, você paga somente pelo que usar. Há duas opções de pagamento: preços sob demanda, que são cobrados sem taxas mínimas e sem compromissos antecipados, e os SageMaker Savings Plans, que oferecem um modelo de preços flexível e baseado em uso em troca de um compromisso de uso de uma quantidade constante.

Nível gratuito do Amazon SageMaker

O teste do Amazon SageMaker é gratuito. Como parte do nível gratuito da AWS, você pode começar a usar o Amazon SageMaker gratuitamente. O seu nível gratuito começa no primeiro mês, assim que você criar seu primeiro recurso do SageMaker. Os detalhes do nível gratuito do Amazon SageMaker estão descritos na tabela abaixo.

Capacidade do Amazon SageMaker Uso do nível gratuito por mês pelos primeiros dois meses
Blocos de anotações do Studio e instâncias de blocos de anotações sob demanda 250 horas da instância ml.t3.medium em blocos de anotações do Studio OU 250 horas da instância ml.t2 medium ou ml.t3.medium em blocos de anotações sob demanda
RStudio no SageMaker 250 horas da instância ml.t3.medium na aplicação RSession E instância ml.t3.medium gratuita para a aplicação RStudioServerPro
Data Wrangler 25 horas da instância ml.m5.4xlarge
Feature Store 10 milhões de unidades de gravação, 10 milhões de unidades de leitura, 25 GB de armazenamento
Treinamento 50 horas de instâncias m4.xlarge ou m5.xlarge
Inferência em tempo real 125 horas de instâncias m4.xlarge ou m5.xlarge
Inferência sem servidor 150.000 segundos de duração de inferência
Canvas 750 horas/mês para tempo de sessão e até dez solicitações de criação de modelo/mês, cada uma com até 1 milhão de células/solicitação de criação de modelo

Preço sob demanda

  • Blocos de anotações do Studio
  • Blocos de anotações do Amazon SageMaker Studio
    Os cadernos do Amazon SageMaker Studio são cadernos do Jupyter que podem ser acionados rapidamente com um clique. Os recursos de computação subjacentes são totalmente elásticos e os cadernos podem ser facilmente compartilhados com outras pessoas, viabilizando uma colaboração transparente. Você é cobrado pelo tipo de instância que escolhe, com base na duração de uso.

  • RStudio no SageMaker
  • RStudio no SageMaker
    O RStudio no SageMaker oferece recursos de computação em nuvem sob demanda para acelerar o desenvolvimento do modelo e melhorar a produtividade. Você é cobrado pelos tipos de instância que escolhe para executar o aplicativo RStudio Session e o aplicativo RStudio Server Pro.

    Aplicação RStudioServerPro

  • Instância de blocos de anotações
  • Instância de blocos de anotações
    Instâncias de blocos de anotações são instâncias de computação executando a aplicação caderno Jupyter. Você é cobrado pelo tipo de instância que escolhe, com base na duração de uso.

  • Processamento
  • Amazon SageMaker Processing
    O Amazon SageMaker Processing permite executar facilmente suas cargas de trabalho de pré-processamento, pós-processamento e avaliação de modelos em uma infraestrutura totalmente gerenciada. Você é cobrado pelo tipo de instância que escolhe, com base na duração de uso.

  • Data Wrangler
  • Amazon SageMaker Data Wrangler
    O Amazon SageMaker Data Wrangler reduz o tempo para agregação e preparação de dados para machine learning de semanas para minutos. Você paga pelo tempo gasto para limpar, explorar e visualizar dados. O preço do SageMaker Data Wrangler é calculado por tipo de instância por segundo.*

    Trabalhos do Amazon SageMaker Data Wrangler

    Uma tarefa do Amazon SageMaker Data Wrangler é criada quando um fluxo de dados é exportado do SageMaker Data Wrangler. Com as tarefas do SageMaker Data Wrangler, você pode automatizar seus fluxos de trabalho de preparação de dados. Os trabalhos do SageMaker Data Wrangler ajudam a reaplicar seus fluxos de trabalho de preparação de dados em novos conjuntos de dados para ajudar você a economizar tempo, e são cobradas por segundo.

  • Feature Store
  • Amazon SageMaker Feature Store
    O Amazon SageMaker Feature Store é um repositório central para consumir, armazenar e oferecer recursos de machine learning. No SageMaker Feature Store, você é cobrado por gravações, leituras e armazenamento de dados. As gravações são cobradas como unidades de solicitação de gravação por KB, as leituras, como unidades de solicitação de leitura por cada 4 KB e o armazenamento de dados, por GB por mês.

  • Treinamento
  • Treinamento do Amazon SageMaker
    O Amazon SageMaker facilita o treinamento de modelos de machine learning (ML) fornecendo tudo o que você precisa para treinar, ajustar e depurar modelos. Você será cobrado pelo uso do tipo de instância que escolher. Ao usar o Amazon SageMaker Debugger para depurar problemas e monitorar recursos durante treinamentos, você pode usar regras internas para depurar suas tarefas de treinamento ou gravar suas próprias regras personalizadas. Não há custos para usar regras internas para depurar suas tarefas de treinamentos. Já para regras personalizadas, você é cobrado pelo tipo de instância que escolhe, com base na duração de uso.

  • Inferência em tempo real
  • Hospedagem do Amazon SageMaker: inferência em tempo real
    O Amazon SageMaker oferece inferência em tempo real para seus casos de uso que precisam de previsões em tempo real. Você será cobrado pelo uso do tipo de instância que escolher. Ao usar o Amazon SageMaker Model Monitor para manter modelos altamente precisos oferecendo inferência em tempo real, você pode usar regras internas para monitorar seus modelos ou gravar suas próprias regras personalizadas. Para regras internas, você recebe até 30 horas de monitoramento de graça. Cobranças adicionais serão baseadas na duração do uso. Ao usar regras personalizadas, você é cobrado separadamente.

  • Inferência assíncrona
  • Inferência assíncrona do Amazon SageMaker:
    A Inferência assíncrona do Amazon SageMaker é uma opção de inferência em tempo quase real que enfileira as solicitações recebidas e as processa de forma assíncrona. Use esta opção quando precisar processar grandes cargas úteis à medida que os dados chegam ou rodam modelos que têm longos tempos de processamento de inferência e não têm requisitos de latência de subsegundo. Você é cobrado pelo tipo de instância que você escolher.

  • Batch Transform
  • Transformação em lote do Amazon SageMaker
    Com o recurso Transformação em lote do Amazon SageMaker, não há necessidade de dividir seu conjunto de dados em várias partes, nem de gerenciar endpoints em tempo real. O SageMaker Batch Transform permite que você execute previsões sobre conjuntos de dados de lotes grandes ou pequenos. Você é cobrado pelo tipo de instância que escolhe, com base na duração de uso.

  • Inferência sem servidor
  • Amazon SageMaker Serverless Inference
    O Amazon SageMaker Serverless Inference permite que você implante modelos de machine learning para inferência sem configurar ou gerenciar qualquer infraestrutura subjacente. Com a inferência sem servidor, você paga apenas pela capacidade computacional usada para processar solicitações de inferência, cobradas por milissegundo e pela quantidade de dados processados. A carga de computação depende da configuração de memória que você escolher.

  • JumpStart
  • Amazon SageMaker JumpStart
    O Amazon SageMaker JumpStart ajuda você a começar a usar o machine learning de forma rápida e fácil com acesso com um clique a coleções de modelos populares (também conhecidos como “zoológicos modelo”). O Jumpstart também oferece soluções completas que resolvem casos de uso comuns de ML que podem ser personalizados de acordo com as suas necessidades. Não há custo adicional pelo uso de modelos ou soluções JumpStart. Você será cobrado pelas horas de instância de treinamento e inferência subjacentes usadas como se as tivesse criado manualmente.

Detalhes da instância

Detalhes do produto da instância do Amazon SageMaker P4d

Tamanho da instância vCPUs Memória da instância (GiB) GPU Memória de GPU (GB) Largura de banda da rede (Gbps) RDMA GPUDirect Peer-to-peer de GPUs Armazenamento de instâncias (GB) Largura de banda do EBS (Gbps)
ml.p4d.24xlarge 96 1.152 8 HBM2 de 320 ENA e EFA de 400 Sim NVSwitch de 600 GB/s 8x1000 NVMe SSD 19

Detalhes do produto da instância do Amazon SageMaker P3

Tamanho da instância vCPUs Memória da instância (GiB) GPUs-V100 Memória de GPU (GB) Largura de banda da rede (Gbps) Peer-to-peer de GPUs Largura de banda do EBS (Gbps)
ml.p3.2xlarge 8 61 1 16 Até 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

Detalhes do produto da instância do Amazon SageMaker G4

Tamanho da instância vCPUs Memória da instância (GiB) GPUs-T4 Largura de banda da rede (Gbps) Armazenamento de instâncias (GB) Largura de banda do EBS (Gbps)
ml.g4dn.xlarge 4 16 1 Até 25 1 x 125 SSD NVMe Até 3,5
ml.g4dn.2xlarge 8 32 1 Até 25 1 x 125 SSD NVMe Até 3,5
ml.g4dn.4xlarge 16 64 1 Até 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

Detalhes do produto da instância do Amazon SageMaker G5

Tamanho da instância vCPUs Memória da instância (GiB) GPUs-A10G Memória de GPU (GiB) Largura de banda da rede (Gbps) Largura de banda do EBS (Gbps) Armazenamento de instâncias (GB)
ml.g5n.xlarge 4 16 1 24 Até 10 Até 3,5 1x250
ml.g5.2xlarge 8 32 1 24 Até 10 Até 3,5 1x450
ml.g5.4xlarge 16 64 1 24 Até 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

Agora você pode acessar o Amazon SageMaker Studio, o primeiro ambiente de desenvolvimento totalmente integrado (IDE), sem cobrança adicional. O SageMaker Studio fornece acesso e visibilidade completos em cada etapa necessária para construir, treinar e implantar modelos. Usando o SageMaker Studio, você paga apenas pela computação e armazenamento subjacentes que usa no Studio.

Você pode usar muitos serviços do SageMaker Studio, AWS SDK para Python (Boto3) ou AWS CLI, incluindo:

  • SageMaker Pipelines para automatizar e gerenciar fluxos de trabalho de ML
  • SageMaker Autopilot para criar automaticamente modelos de ML com visibilidade total
  • O SageMaker Experiments para organizar e rastrear suas tarefas e versões de treinamento
  • SageMaker Debugger para depurar anomalias durante treinamentos
  • SageMaker Model Monitor para manter modelos de alta qualidade
  • SageMaker Clarify para explicar melhor os seus modelos de ML e detectar tendências
  • SageMaker JumpStart para implantar facilmente soluções de ML para vários casos de uso. Você pode acumular em cobranças de outros produtos da AWS usados na solução para as chamadas de API subjacentes feitas pelo Amazon SageMaker em seu nome
  • SageMaker Inference Recommender para obter recomendações para a configuração correta do endpoint

Você só paga pelos recursos de armazenamento e computação subjacentes dentro do SageMaker ou outros produtos da AWS, com base no uso.

Amazon SageMaker Studio Lab

Você pode criar e treinar modelos de machine learning usando o Amazon SageMaker Studio Lab gratuitamente. O SageMaker Studio Lab oferece aos desenvolvedores, acadêmicos e cientistas de dados um ambiente de desenvolvimento sem configuração para aprender e experimentar o machine learning sem custo adicional.

Amazon SageMaker Canvas

Amazon SageMaker Canvas expande o acesso ao ML, fornecendo aos analistas de negócios a capacidade de gerar previsões precisas de ML usando uma interface visual de apontar e clicar - sem necessidade de codificação ou experiência em ML.

Rotulagem de dados Amazon SageMaker

O Amazon SageMaker Data Labeling oferece duas ofertas de rotulagem de dados: Amazon SageMaker Ground Truth Plus e Amazon SageMaker Ground Truth. Saiba mais sobre o Amazon SageMaker Data Labeling, um serviço totalmente gerenciado de rotulagem de dados que facilita a construção de conjuntos de dados de treinamento altamente precisos para machine learning.

Amazon SageMaker Edge

Saiba mais sobre a definição de preço do Amazon SageMaker Edge para otimizar, executar e monitorar modelos de ML em frotas de dispositivos de borda. 

Amazon SageMaker Savings Plans

Os Amazon SageMaker Savings Plans ajudam a reduzir seus custos em até 64%. Esses planos são aplicados automaticamente a usos de instâncias de ML qualificadas do SageMaker, entre elas, os blocos de anotações do SageMaker Studio, instâncias dos blocos de anotações do Sagemaker, SageMaker Processing, SageMaker Data Wrangler, SageMaker Training, SageMaker Real-Time Inference e SageMaker Batch Transform, independentemente da família, tamanho ou região das instâncias. Por exemplo, você pode alterar o uso de uma instância de CPU ml.c5.xlarge em execução no Leste dos EUA (Ohio) para uma instância ml.Inf1 no Oeste dos EUA (Oregon) para workloads de inferência a qualquer momento e continuar automaticamente a pagar o preço dos Savings Plans. 

Saiba mais »

Custo total de propriedade (TCO) com o Amazon SageMaker

O Amazon SageMaker oferece pelo menos 54% a menos de custo total de propriedade (TCO) durante um período de três anos em comparação com outras soluções autogerenciadas baseadas na nuvem. Saiba mais por meio da análise completa do TCO para o Amazon SageMaker.

Exemplos de preços

Saiba mais sobre o Amazon SageMaker

Visite a página de visão geral do SageMaker
Pronto para começar?
Cadastrar-se
Tem outras dúvidas?
Entre em contato conosco