Puntuación de los precios

Perfil de precios de Amazon SageMaker

Amazon SageMaker es un servicio totalmente administrado que permite a los desarrolladores y científicos de datos crear, entrenar e implementar modelos de aprendizaje automático a cualquier escala de forma rápida y sencilla. Amazon SageMaker elimina todas las barreras que suelen frenar a los desarrolladores que desean utilizar el aprendizaje automático.

Ubicación de la sede central

Seattle, Washington, EE.UU.

Categoría:

Puntos clave

Flujo de trabajo de aprendizaje automático de principio a fin

SageMaker proporciona un conjunto completo de herramientas para todo el ciclo de vida del aprendizaje automático, incluido el etiquetado de datos, la creación de modelos, el entrenamiento, la evaluación y la implantación.

Humano en el bucle

Aprovecha el poder de la retroalimentación humana a lo largo del ciclo de vida del ML para mejorar la precisión y relevancia de los MF con capacidades humanas en el bucle.

Algoritmos incorporados y modelos preconstruidos

SageMaker viene con una amplia selección de algoritmos de aprendizaje automático incorporados y modelos preentrenados. Esto permite a los usuarios aplicar rápidamente algoritmos como XGBoost, agrupación de K-means, DeepAR (para previsiones), etc.

Resumen del producto

Amazon SageMaker es un servicio totalmente administrado de Amazon Web Services (AWS) que permite a los desarrolladores y científicos de datos crear, entrenar e implementar modelos de aprendizaje automático de forma rápida y sencilla.

SageMaker simplifica el ciclo de vida integral del aprendizaje automático (ML), desde el preprocesamiento de datos hasta el despliegue de modelos, y proporciona diversas herramientas y marcos que ayudan a automatizar y optimizar el flujo de trabajo del aprendizaje automático.

INSIGHTS

Nuestra opinión sobre el precio de Amazon SageMaker

Prueba gratuita

Opciones personalizadas

Planes de ahorro

Modelos de precios disponibles

¿Cuánto cuesta Amazon SageMaker?

No hay ningún cargo adicional por utilizar SageMaker Studio. Sólo pagas por los cargos de computación y almacenamiento subyacentes en los servicios que utilizas dentro de SageMaker Studio.

Qué opinan los usuarios sobre los precios de Amazon SageMaker

Muhamamd U.

Apenas puedo hacer una estimación del cálculo del precio. Aunque existe una herramienta llamada calculadora de precios de AWS, la lista de configuraciones disponibles no muestra el número de configuraciones que puedes seleccionar al configurar las instancias de la herramienta Studio y Notebook.

Gourav J.

Utilizo exclusivamente Amazon SageMaker tanto para uso profesional como personal. La variedad de aplicaciones hace que sea práctico trabajar en tareas de aprendizaje automático. Las características de entrenamiento y lienzo que he estado utilizando durante bastante tiempo hacen que mi tarea de ML sea más rápida y productiva.

Usuario verificado en Servicios Financieros

SageMaker hace que sea muy fácil entrenar y desplegar modelos. La infraestructura gestionada nos permite centrarnos en la lógica empresarial sin necesidad de ocuparnos de cosas como la gestión de clusters, el autoescalado, etc.

Krishna K.

Aunque estamos obteniendo computación a un coste razonable, la responsabilidad de ejecutar el modelo grande recae en los usuarios. Cuando ejecutan modelos más grandes sólo para probarlos, se generan costes adicionales. Aunque Sagemaker es fácil de usar, la responsabilidad de la gestión de los costes recae en los usuarios.

Shyam P.

Me gusta la creación de endpoints que pueden inferir nuestro modelo a través de la función lambda. Junto con Sagemaker utilicé la pasarela API, así como para utilizar el modelo en el entorno local.

Muhamamd U.

Krishna K.

Gourav J.

Shyam P.

Usuario verificado en Servicios Financieros

Valoración del precio de Amazon SageMaker

Escalabilidad: 4,8/5

Amazon SageMaker te permite escalar tus cargas de trabajo de ML en función de la demanda, lo que te permite ejecutar trabajos de capacitación o implementar modelos a una fracción del costo en comparación con la infraestructura tradicional in situ. Los precios de pago por uso de SageMaker garantizan la rentabilidad.

Gestión de modelos integrada: 4.7/5

SageMaker proporciona un repositorio centralizado para gestionar modelos y experimentos, lo que facilita el seguimiento de las versiones y el despliegue del mejor modelo en producción.

Colaboración: 4.9/5

SageMaker se integra con otros servicios de AWS como Amazon S3 para almacenamiento, AWS Lambda para funciones sin servidor y AWS Glue para ETL. También permite compartir y colaborar fácilmente con otros miembros del equipo a través del entorno SageMaker Studio.

Preguntas frecuentes sobre los precios de Amazon SageMaker

¿Qué es Amazon SageMaker?

SageMaker es un servicio totalmente gestionado para preparar datos y construir, entrenar y desplegar modelos de aprendizaje automático (ML) para cualquier caso de uso con infraestructura, herramientas y flujos de trabajo totalmente gestionados.

¿Cuál es la disponibilidad de servicio de SageMaker?

SageMaker está diseñado para una alta disponibilidad. No hay ventanas de mantenimiento ni tiempos de inactividad programados. Las API de SageMaker se ejecutan en centros de datos de alta disponibilidad probados por Amazon, con replicación de la pila de servicios configurada en tres instalaciones de cada Región para proporcionar tolerancia a fallos en caso de fallo del servidor o de interrupción de la Zona de Disponibilidad.

¿Y si tengo mi propio portátil, formación o entorno de alojamiento?

SageMaker proporciona un flujo de trabajo completo y exhaustivo, pero puedes seguir utilizando tus herramientas actuales con SageMaker. Puedes transferir fácilmente los resultados de cada etapa dentro y fuera de SageMaker según dicten tus necesidades empresariales.

¿Cómo mejora SageMaker Clarify la explicabilidad del modelo?

SageMaker Clarify está integrado con SageMaker Experiments para proporcionar un gráfico de importancia de características que detalla la importancia de cada entrada para el proceso general de toma de decisiones de tu modelo después de que éste haya sido entrenado. Estos detalles pueden ayudar a determinar si una determinada entrada del modelo tiene más influencia de la que debería en el comportamiento general del modelo. SageMaker Clarify también pone a tu disposición explicaciones de predicciones individuales a través de una API.