Chi tiết giá Amazon SageMaker Ground Truth Plus

Amazon SageMaker Ground Truth Plus sẽ giúp bạn dễ dàng tạo bộ dữ liệu đào tạo chất lượng cao về máy học (ML) mà không cần phải xây dựng các ứng dụng gắn nhãn hoặc tự quản lý nguồn nhân lực dán nhãn. SageMaker Ground Truth Plus được tính giá theo từng nhãn, có thể là ô viền quanh, hình khối, cặp khóa – giá trị, v.v.

Với SageMaker Ground Truth Plus, bạn sẽ nhận được báo giá riêng cho trường hợp sử dụng và yêu cầu cụ thể của bạn. Để nhận báo giá riêng cho bạn, hãy điền vào biểu mẫu yêu cầu của dự án.

Chi tiết giá Amazon SageMaker Ground Truth

Amazon SageMaker Ground Truth sẽ giúp bạn xây dựng bộ dữ liệu đào tạo cho ML. SageMaker Ground Truth sẽ gắn nhãn nội dung của bạn (hình ảnh, âm thanh, văn bản, v.v.) bằng cách hướng dẫn từng bước cho người gắn nhãn thông qua một tiến trình gọi là luồng công việc. Ba nhóm người có thể cung cấp nhãn bằng luồng công việc này: nhân viên Amazon Mechanical Turk, nhân viên của bạn hoặc nhà cung cấp bên thứ ba. Ground Truth cũng có thể tự động học từ các nhãn và đối tượng gắn nhãn này.

Bạn cần thanh toán chi phí cho từng đối tượng được gắn nhãn (có thể là hình ảnh, bản ghi âm, một phần văn bản, v.v.), dù gắn nhãn tự động bằng SageMaker Ground Truth hay do người gắn nhãn thủ công. Nếu bạn sử dụng nhà cung cấp hoặc Mechanical Turk để gắn nhãn, bạn phải trả thêm phí tính trên mỗi đối tượng được gắn nhãn. Nếu bạn dùng nhân viên của mình để gắn nhãn thì sẽ không tốn thêm phụ phí cho mỗi đối tượng được gắn nhãn.

Bậc miễn phí

Khi tham gia Bậc miễn phí của AWS, bạn có thể bắt đầu sử dụng miễn phí Amazon SageMaker Ground Truth. Trong hai tháng đầu kể từ khi sử dụng Amazon SageMaker, 500 đối tượng đầu tiên được gắn nhãn mỗi tháng sẽ được miễn phí (không bao gồm bất kỳ chi phí nào phát sinh khi sử dụng nhà cung cấp gắn nhãn hoặc Amazon Mechanical Turk).

Amazon SageMaker Ground Truth

Chi tiết tính giá đối tượng

Bạn phải trả phí cho số lượng đối tượng tập dữ liệu được đánh giá. Đối tượng tập dữ liệu được định nghĩa là một đơn vị dữ liệu nguyên tử trên tất cả các phương thức.

Các đối tượng được đánh giá (hình ảnh, khung hình video, tài liệu dạng văn bản, tệp âm thanh, v.v.)

Đám mây điểm 3D

Chi tiết định giá lao động

Luồng quy trình tích hợp với Amazon Mechanical Turk

Nếu bạn sử dụng Amazon Mechanical Turk để gắn nhãn, bạn phải trả phí cho mỗi đối tượng trên mỗi phiên bản đánh giá. Chúng tôi đề xuất bạn sử dụng nhiều người gắn nhãn cho mỗi đối tượng để cải thiện độ chính xác của nhãn.

Nhà cung cấp

Nếu bạn sử dụng nhà cung cấp, chi phí cho mỗi nhãn sẽ do nhà cung cấp ấn định. Bạn có thể xem chi tiết giá của từng nhà cung cấp trên AWS Marketplace

Các ví dụ tính giá Amazon SageMaker Ground Truth

Sử dụng nhân viên nội bộ để gắn nhãn thủ công

Một công ty sản xuất sử dụng công nghệ ML để phân loại ảnh sản phẩm của họ. Để đào tạo mô hình, họ gắn nhãn tên sản phẩm cho 40.000 hình ảnh. Sử dụng luồng công việc tích hợp để phân loại hình ảnh, nhân viên của công ty này đã gắn nhãn tất cả 40.000 hình ảnh.

Vì công ty đã sử dụng nhân viên nội bộ, mức giá của 40.000 hình ảnh do con người gắn nhãn là 0.08 USD cho mỗi hình ảnh.

Tổng chi phí = 40.000 hình ảnh do con người gắn nhãn x 0.08 USD mỗi hình ảnh = 3,200 USD

Sử dụng Mechanical Turk cho quy trình con người gắn nhãn bằng luồng công việc riêng

Một công ty quảng cáo sử dụng ML để xác định cảm xúc lẫn nội dung của các bài đăng trên mạng xã hội. Để đào tạo mô hình, họ quyết định gắn nhãn 85.000 bài đăng. Công ty này đã xây dựng và tải lên một luồng công việc riêng và quy định khoản tiền thanh toán là 0,036 USD mỗi bài đăng. Họ cũng quyết định mỗi bài đăng phải được gắn nhãn ba lần để cải thiện độ chính xác của nhãn. Sử dụng SageMaker Ground Truth, họ cho người gắn nhãn 85.000 bài đăng.

Vì công ty sử dụng Mechanical Turk, chi phí bao gồm khoản phụ phí 0,036 USD trên mỗi bài đăng gắn nhãn thủ công để trả cho người gắn nhãn.

Tổng chi phí = (50.000 x 0,08 USD mỗi bài viết) + (35.000 bài đăng x 0,04 USD mỗi bài đăng) + (85.000 bài đăng do con người gắn nhãn x 0,036 USD mỗi bài đăng x 3 người gắn nhãn mỗi đối tượng) = 14.580 USD

Sử dụng Mechanical Turk cho quy trình con người gắn nhãn bằng luồng công việc tích hợp

Một công ty xuất bản sử dụng ML để xây dựng một ứng dụng xử lý ngôn ngữ tự nhiên nhằm phân loại các bài báo. Để đào tạo mô hình, họ gắn nhãn 200.000 bài viết. Họ chọn luồng công việc phân loại văn bản tích hợp và quyết định mỗi bài viết phải được gắn nhãn ba lần để cải thiện độ chính xác của nhãn. Sử SageMaker Ground Truth, họ cho người gắn nhãn 40.000 bài viết và cho gắn nhãn tự động 160.000 bài viết còn lại.

Vì công ty sử dụng Mechanical Turk, luồng công việc phân loại văn bản này còn bao gồm khoản phụ phí 0.012 USD trên mỗi bài viết gắn nhãn thủ công để trả cho người gắn nhãn.

Tổng chi phí = (50.000 x 0.08 USD mỗi bài viết) + (150.000 bài viết x 0.04 USD mỗi bài viết) + (40.000 bài viết do con người gắn nhãn x 0.012 USD mỗi bài viết x 3 người gắn nhãn mỗi đối tượng) + chi phí suy luận & đào tạo Amazon SageMaker** = 11,440 USD + chi phí suy luận & đào tạo Amazon SageMaker**

**Các chi phí này phụ thuộc vào nhiều yếu tố, bao gồm loại bộ dữ liệu được sử dụng, loại tác vụ gắn nhãn và độ phân giải của hình ảnh trong bộ dữ liệu của bạn.

Tài nguyên định giá khác

Bộ tính toán giá AWS

Dễ dàng tính phí hàng tháng của bạn với AWS

Nhận hỗ trợ định giá

Liên hệ với các chuyên gia AWS để được báo giá riêng

Giá của Amazon SageMaker Ground Truth
Bạn có điều cần thắc mắc?

Hãy vào trang Câu hỏi thường gặp về việc gắn nhãn dữ liệu với Amazon SageMaker.

Tìm hiểu thêm 
Đăng ký tài khoản AWS
Đăng ký tài khoản miễn phí

Nhận ngay quyền sử dụng Bậc miễn phí của AWS. 

Đăng ký 
Bắt đầu xây dựng trong bảng điều khiển
Bắt đầu xây dựng trong bảng điều khiển

Bắt đầu xây dựng với việc Gắn nhãn dữ liệu bằng Amazon SageMaker trong Bảng điều khiển quản lý AWS.

Đăng nhập