Preços de Machine Learning Studio

O escalão Gratuito do Azure Machine Learning visa proporcionar uma introdução aprofundada ao Azure Machine Learning Studio. Para se inscrever, só precisa de uma conta Microsoft. O escalão Gratuito inclui acesso gratuito a uma área de trabalho do Azure Machine Learning Studio por cada conta Microsoft. Oferece a capacidade de utilizar até 10 GB de armazenamento e de operacionalizar modelos como APIs de teste. As cargas de trabalho do escalão gratuito não estão cobertas por um SLA e destinam-se apenas a programação e utilização pessoal. As cargas de trabalho de escalão gratuito não podem aceder a dados ao ligar a um servidor SQL no local. A tabela acima apresenta bastantes diferenças entre os escalões Gratuito e Standard. No entanto, podem existir outras diferenças e as funcionalidades do Escalão Gratuito podem mudar a qualquer momento.

Tudo o que precisa é uma conta da Microsoft. Entre na home page do Azure Machine Learning e clique no botão Iniciar Agora. Inicie sessão com a conta da Microsoft e será criada uma área de trabalho no escalão Gratuito para si. Pode começar a explorar e a criar experimentações do Machine Learning imediatamente.

Em primeiro lugar, tem de ter acesso a uma subscrição do Azure para criar uma área de trabalho do Machine Learning Standard. Pode inscrever-se para uma subscrição de avaliação gratuita do Azure por 30 dias e, posteriormente, atualizar para uma subscrição paga do Azure ou comprar uma subscrição paga do Azure imediatamente. Pode, então, criar uma área de trabalho do Machine Learning a partir do portal clássico do Microsoft Azure, após obter acesso à subscrição. Veja as instruções passo-a-passo.

Em alternativa, pode ser convidado por um proprietário de uma área de trabalho do Machine Learning Standard para aceder à área de trabalho do próprio.

Não, não pode especificar a sua própria conta de armazenamento de blobs para ser utilizada com o escalão Gratuito. Para utilizar o seu próprio armazenamento do Azure, tem de utilizar o escalão Standard.

Sim, pode operacionalizar modelos de aprendizagem automática em serviços API de teste como parte do escalão gratuito. Para colocar o serviço API de teste em produção e obter um ponto final de produção para o serviço operacionalizado, tem de utilizar o escalão Standard.

A avaliação gratuita do Microsoft Azure oferece créditos que podem ser aplicados a qualquer serviço do Azure durante um mês, ao passo que o escalão Gratuito do Azure Machine Learning oferece acesso contínuo ao Azure Machine Learning para cargas de trabalho de não produção.

Para copiar as suas experimentações do escalão Gratuito para o escalão Standard, siga os passos descritos abaixo:

1. Inicie sessão no Azure Machine Learning Studio e certifique-se de que vê a área de trabalho do Gratuito e do Standard no seletor de áreas de trabalho, na barra de navegação superior.
2. Mude para a área de trabalho do Gratuito se estiver na área de trabalho do Standard.
3. Na vista de lista de experimentações, selecione uma experimentação que pretenda copiar e clique no botão de comando Copiar.
4. Selecione a área de trabalho do Standard a partir da caixa de diálogo de pop-up e clique no botão Copiar.
5. Tenha em conta que todos os conjuntos de dados, modelos de preparação associados, etc., serão copiados juntamente com a experimentação para a área de trabalho Standard.
6. Precisará de executar novamente a experimentação e voltar a publicar o seu serviço Web na área de trabalho do Standard.

O Machine Learning suporta elevada disponibilidade ao fazer o emparelhamento entre duas regiões dentro da mesma geografia. O E.U.A. Centro-Sul é emparelhado com o E.U.A. Centro-Norte.

Os tempos de chamadas à API de produção podem variar significativamente, podendo ir, regra geral, das centenas de milissegundos a alguns segundos, mas poderão demorar minutos consoante a complexidade do processamento de dados e do modelo de aprendizagem automática. A melhor forma de estimar os tempos de chamada à API de produção é criar um modelo de referência no Machine Learning.

O Machine Learning é um serviço multi-inquilino e os recursos de computação efetivamente utilizados no back-end variam e são otimizados para desempenho e previsibilidade.

Os custos das áreas de trabalho serão discriminados para cada indicador aplicável numa única fatura.