Machine Learning Precios

El nivel Gratis de Azure Machine Learning está pensado para proporcionar una introducción detallada de Azure Machine Learning Studio. Todo lo que necesita es una cuenta de Microsoft para suscribirse. El nivel Gratis incluye acceso a un área de trabajo de Azure Machine Learning Studio por cada cuenta de Microsoft. Incluye la capacidad de usar hasta 10 GB de almacenamiento y de utilizar modelos como API de ensayo. Las cargas de niveles gratuitos no las cubre ningún SLA y están destinadas únicamente al desarrollo y uso personal. Las cargas de trabajo del nivel Gratis no pueden acceder a los datos conectándose a un servidor SQL local. En la tabla anterior se describen las diferencias entre los niveles Gratis y Estándar, aunque puedan existir otras diferencias y las características del nivel Gratis estén sujetas a cambios en cualquier momento.

Todo lo que necesita es una cuenta de Microsoft. Vaya a la página principal de Azure Machine Learning y haga clic en el botón Iniciar ahora. Inicie sesión con su cuenta de Microsoft y un área de trabajo en el nivel Gratis que haya creado. Puede empezar a explorar y a crear experimentos de Machine Learning inmediatamente.

En primer lugar, debe tener acceso a una suscripción de Azure para crear un espacio de trabajo de Aprendizaje automático de nivel Estándar. Puede suscribirse la versión de evaluación gratuita de Azure de 30 días y posteriormente actualizarse a una suscripción de Azure de pago o adquirir una suscripción de Azure de pago completa. Luego puede crear un área de trabajo de Machine Learning desde Portal de Microsoft Azure clásico, después de obtener acceso a la suscripción. Consulte las instrucciones paso a paso.

Si lo desea, puede ser invitado por un propietario de un espacio de trabajo de Aprendizaje automático de nivel Estándar para obtener acceso al área de trabajo de dicho propietario.

No, no puede especificar su propia cuenta de almacenamiento de blobs para usarla con el nivel Gratis. Para usar su propio almacenamiento de Azure, debe usar el nivel Estándar.

Sí, puede utilizar modelos de aprendizaje automático en servicios de API de ensayo como parte del nivel gratuito. Para poner el servicio de API de ensayo en producción y obtener un extremo de producción para el servicio implementado, debe usar el nivel Estándar.

La versión de evaluación gratuita de Microsoft Azure ofrece créditos que se pueden aplicar a cualquier servicio de Azure durante un mes, mientras que el nivel Gratis de Azure Machine Learning ofrece acceso continuo específicamente al servicio Azure Machine Learning para cargas de trabajo que no sean de producción.

Para copiar sus experimentos desde el nivel Gratis al nivel Estándar, siga los pasos que se indican a continuación.

1. Inicie sesión en Azure Machine Learning Studio y asegúrese de que puede ver tanto el área de trabajo Gratis como el área de trabajo Estándar en el selector de áreas de trabajo situado en la barra de navegación superior.
2. Cambie al área de trabajo Gratis si se encuentra en el área de trabajo Estándar.
3. En la vista de lista de experimentos, seleccione un experimento que desee copiar y haga clic en el botón del comando Copiar.
4. Seleccione el área de trabajo Estándar en el cuadro de dialogo desplegable y haga clic en el botón Copiar.
5. Tenga en cuenta que todos los conjuntos de datos asociados, el modelo entrenado, etc. se copiarán junto con el experimento en el área de trabajo estándar.
6. Tendrá que volver a ejecutar el experimento y volver a publicar el servicio web en el área de trabajo Estándar.

El servicio Machine Learning ofrece alta disponibilidad mediante el emparejamiento de dos regiones de la misma zona geográfica. El centro y sur de EE. UU. se empareja con el centro y norte de EE. UU.

Los tiempos de llamadas API de producción pueden variar notablemente. Por lo general, oscilan entre cientos de milisegundos y algunos segundos, pero pueden ser minutos según la complejidad del procesamiento de datos y del modelo de aprendizaje automático. La mejor manera de estimar tiempos de llamadas API de producción es hacer pruebas comparativas de un modelo en el servicio Machine Learning.

El servicio Machine Learning es un servicio multiempresa, y los recursos reales de proceso utilizados en el back-end variarán y están optimizados para el rendimiento y la previsibilidad.

Los cargos de área de trabajo se desglosarán por separado para cada métrica aplicable en una sola factura.