Preços de Serviços do Machine Learning

Leve a IA a todos com uma plataforma ponto a ponto, dimensionável e fiável

Os serviços Experimentação e Gestão de Modelos do Azure Machine Learning oferecem uma solução na cloud, no local e periférica para cientistas de dados e programadores para levar a IA a todos, em qualquer local. Para obter mais informações sobre o conjunto de ofertas disponíveis no Machine Learning Studio, visite a página de preços do Machine Learning Studio.

Detalhes dos preços

O preço abaixo reflete um desconto de pré-visualização.

Preços do serviço Experimentação

Standard
Preço* Primeiros 2 postos de trabalho – Gratuitos
Três ou mais postos de trabalho – $- por posto de trabalho por mês
*As subscrições do Azure que derivem de ofertas gratuitas ou de avaliação não são elegíveis para o escalão gratuito.

Preços da Gestão de Modelos

Standard S2 Programador/Teste Standard S1 Standard S3 *
Preços do Escalão por mês $- $- $- $-
Funcionalidades
Modelos Geridos 1 000 20 100 10 000
Implementações Geridas 100 2 10 1 000
Núcleos Disponíveis** 120 4 16 800
*Se precisar de mais do que as quantidades disponíveis de modelos geridos, implementações geridas e/ou núcleos disponíveis incluídas no escalão S3, pode comprar múltiplas unidades de S3. Para obter detalhes, consulte a secção FAQ abaixo. **Denota o número de núcleos que pode ser utilizado para implementações num determinado momento. Não inclui custos de horas de computação. Para obter detalhes, consulte a secção FAQ abaixo.

Suporte e SLA

  • Disponibilizamos suporte técnico a todos os serviços do Azure lançados para disponibilidade geral, incluindo o escalão standard do Machine Learning, através do Suporte do Azure, a partir de $29/mês. O suporte de gestão da faturação e subscrição é fornecido sem custos.
  • O suporte técnico para o escalão gratuito do Machine Learning apenas está disponível através dosfóruns da comunidade. Também estão disponíveis vídeos e documentação de formação para apoiar a comunidade de utilizadores.
  • SLA: para o RRS (Request Response Service), garantimos 99,95 % de disponibilidade de transações de API. Para o BES (Batch Execution Service) e APIs de gestão, garantimos 99,9 % de disponibilidade de transações de API. Não oferecemos um SLA para o escalão gratuito do Machine Learning. Para obter mais informações acerca do SLA, visite a página SLA.

FAQ

Azure Machine Learning Workbench

  • Não. O Azure Machine Learning Workbench é uma aplicação gratuita. Pode transferi-lo para qualquer número de máquinas e de utilizadores, conforme necessitar. Para utilizar o Azure Machine Learning Workbench, precisa de uma conta de Experimentação.

Serviço Experimentação do Azure Machine Learning

  • Cada posto de trabalho é um utilizador do Azure adicionado à conta de Experimentação. Os dois primeiros postos de trabalho na sua subscrição são gratuitos. No entanto, as concessões gratuitas e os preços Dev/Test não se aplicam a subscrições gratuitas ou de avaliação, nem a subscrições que derivem de qualquer outra oferta do Azure.

  • Não, o serviço Experimentação permite quaisquer experimentações necessárias e são cobrados custos apenas com base no número de utilizadores. Os recursos de computação de Experimentação são cobrados em separado.

  • O serviço Experimentação do Azure Machine Learning pode executar as suas experimentações numa máquina local (diretamente ou no Docker), nos recursos de computação do Azure (máquinas virtuais) e no HDInsight. Tem também de aceder a uma conta de Armazenamento de Blobs do Azure para armazenar as saídas de execução monitorizadas. Além disso, pode utilizar opcionalmente uma conta do Visual Studio Team Service para controlo de versões do seu projeto através de um repositório Git. Tenha em atenção que será faturado independentemente de quaisquer recursos de computação e armazenamento consumidos, com base nos respetivos preços individuais.

Gestão de Modelos do Azure Machine Learning

  • Atualmente, pode utilizar os modelos do Azure Machine Learning com o Azure IoT Edge sem encargos.

  • Não. Os serviços Web podem ser chamados com a frequência necessária, sem quaisquer implicações de faturação na Gestão de Modelos. Tem total controlo para dimensionar as implementações para satisfazer as necessidades das suas aplicações.

  • Um modelo é o resultado de um processo de formação e a aplicação de um algoritmo de machine learning para dados de formação. O serviço Gestão de Modelos permite implementar modelos como serviços Web, gerir várias versões dos modelos e monitorizar o desempenho dos modelos e das métricas associadas. Os modelos geridos são modelos que foram registados com uma conta de Gestão de Modelos do Azure Machine Learning. Como exemplo, considere um cenário em que está a tentar prever vendas. Durante a fase de experimentação, gera inúmeros modelos através de diferentes conjuntos de dados ou algoritmos. No caso de ter gerado quatro modelos com precisões variadas, pode optar por registar apenas o modelo com a precisão mais elevada.

    Quando registar um novo modelo ou uma nova versão de um modelo existente, este é contabilizado como parte do seu plano. Em qualquer altura, pode ter o número máximo de modelos geridos indicado pelos escalões que comprou.

  • O serviço Gestão de Modelos permite implementar modelos como contentores de serviços Web empacotados no Azure que podem ser invocados através de APIs REST. Cada serviço Web é contabilizado como uma única implementação e o número total de implementações ativas é contabilizado relativamente ao seu plano. Em qualquer altura, pode ter o número máximo de implementações indicado pelo escalão que comprou. Através do exemplo de previsão de vendas, ao implementar o seu melhor modelo de desempenho, aumentará o seu plano com uma implementação. Em seguida, se reformular e voltar a implementar o modelo, terá duas implementações. Se determinar que o modelo mais recente é melhor, e eliminar o original, o número de implementações diminuirá uma.

  • A gestão de Modelos do Azure Machine Learning pode executar as suas implementações como contentores de docker no Azure Container Service, nas Máquinas Virtuais do Azure e em máquinas locais com mais destinos disponíveis brevemente. Tenha em atenção que será faturado independentemente de quaisquer recursos de computação consumidos, com base nos respetivos preços individuais.

  • O serviço Gestão de Modelos do Azure Machine Learning fornece capacidades melhoradas para otimizar a implementação em clusters grandes. Pode implementar e gerir modelos até ao número total de núcleos implementados nos recursos de computação aprovisionados. Por exemplo, se tiver implementado um cluster do Azure Container Service com 2 nós principais de VMs D13 (8 núcleos por nó) e 10 nós de trabalho de VMs D13 (8 núcleos por nó), o número total de núcleos é (2 x 8) + (10 x 8) = 96.

  • Apenas pode atribuir uma unidade de DEV/TEST por subscrição do Azure, mas podem ser combinadas múltiplas unidades de S1, S2 e S3. Por exemplo, se quiser ter 25 implementações geridas, pode comprar 3 unidades da Gestão de Modelos S1.

  • Pode alterar o número de unidades, para cima ou para baixo, através do Portal de Gestão do Azure Management ou da CLI.

  • Obterá a melhor experiência quando implementar modelos criados através do serviço Experimentação, mas os modelos que pode implementar não estão limitados aos criados através deste serviço. Suportamos uma grande variedade de modelos (tais como Spark ML, TensorFlow, CNTK, scikit-learn, Keras, etc.) criados com ferramentas como o Azure Batch AI Training, Microsoft ML Server ou quaisquer outras ferramentas de terceiros.

  • Será faturado diariamente. Para efeitos de faturação, um dia começa à meia-noite UTC. As faturas são geradas mensalmente. Como exemplo específico, imaginemos que subscreve o serviço Experimentação para uma equipa de 10 utilizadores. Também comprou 3 unidades do escalão Gestão de Modelos S1.

    • Custos da conta de experimentação: (((postos de trabalho * dias) – incluídos) * dailyrate)
    • 2 postos de trabalho livres * 31 dias = 62 seatdays incluídos gratuitamente por mês, por subscrição
    • Custos da conta de gestão de modelos: (unidades * dias * tierdailyrate)

    Para um mês de faturação de 30 dias:

    • Custos da conta de experimentação: (((10 * 30) – 62) * dailyrate)
    • Custos da conta de Gestão de Modelos: (3 * 30 * tierdailyrate)

    Tenha em atenção que quaisquer serviços do Azure consumidos juntamente com o Azure Machine Learning terão custos separados, incluindo, entre outros, custos de computação, HDInsight, Azure Container Service, Azure Container Registry, Armazenamento de Blobs do Azure, Application Insights, Azure Key Vault, Visual Studio Team Services, Rede Virtual, Hub de Eventos do Azure e Azure Stream Analytics.

Para obter mais informações sobre preços, veja as FAQ da documentação.

Recursos

Calcule o custo mensal dos serviços Azure

Reveja as perguntas mais frequentes sobre os preços do Azure

Obter mais informações sobre Serviços do Machine Learning

Reveja tutoriais técnicos, vídeos e outros recursos

Adicionar à estimativa. Prima "v" para ver na calculadora Ver na calculadora

Aprender e criar com um crédito de $200, e continuar gratuitamente

Conta gratuita