ML Studio 是以 GUI 為基礎的整合式開發環境，可用於建立和運用 Machine Learning 工作流程
Azure Machine Learning 工作室 (傳統) 提供您機器學習的視覺體驗。
探索定價選項
套用篩選以根據您的需求自訂定價選項。
價格只是估計值，而非作為實際價格報價。實際價格可能會因 Microsoft 所輸入的合約類型、購買日期及貨幣匯兌而異。價格是根據美金計算，並且使用在每一個行事曆月份第一天所重新更新的 Thomson Reuters 基準匯率進行轉換。登入 Azure 定價計算機可查看您目前的 Microsoft 方案/優惠定價。如需有關定價或要求報價的詳細資訊，請連絡 Azure 銷售專員。請參閱 Azure 定價的常見問題集。
美國政府機構有資格透過授權解決方案提供者購買 Azure Government 服務，無須預先支付費用；亦可直接透過隨用隨付線上訂用帳戶購買。
重要 - 以 R$ 表示的價格僅供參考；這是國際交易，因此最終價格需視匯率與是否內含 IOF 稅而定，而且不會發行 eNF。
美國政府機構有資格透過授權解決方案提供者購買 Azure Government 服務，無須預先支付費用；亦可直接透過隨用隨付線上訂用帳戶購買。
重要 - 以 R$ 表示的價格僅供參考；這是國際交易，因此最終價格需視匯率與是否內含 IOF 稅而定，而且不會發行 eNF。
Studio 定價
Machine Learning Studio (傳統) 提供兩個層級: 免費和標準。
各種層次的功能比較如下表所示:
| 免費 | 標準 | |
|---|---|---|
| 價格 | 免費 |
每月每 ML Studio 工作區 $-
每 Studio 實習時數 $- |
| Azure 訂用帳戶 | 非必要 | 必要 |
| 每個實驗的模組數上限 | 100 | 無限制 |
| 實驗持續時間上限 | 每個實驗 1 小時 | 每個實驗最多 7 天，每個模組最多 24 小時 |
| 儲存體空間上限 | 10GB | 無限制 - BYO |
| 從內部部署 SQL 讀取資料 預覽 | 否 | 是 |
| 執行/效能 | 單一節點 | 多個節點 |
| 生產 Web API | 否 | 是 |
| SLA | 否 | 是 |
生產 Web API 定價
Machine Learning 工作室 (傳統) 讓您可將預測性分析解決方案作為 Web 服務部署。
部署的 Web 服務受下列方案約束：
| 開發/測試* | 標準 S1 | 標準 S2 | 標準 S3 | |
|---|---|---|---|---|
| 階層價格 (每月) | $- | $- | $- | $- |
| 功能 | ||||
| 包含的交易 (每月) | 1,000 | 100,000 | 2,000,000 | 50,000,000 |
| 包含的計算時數 (每月) | 2 | 25 | 500 | 12,500 |
| Web 服務總數1 | 2 | 10 | 100 | 500 |
| 超額費率 | N/A |
$- 每 1,000 筆交易 $- 每 API 計算小時 |
$- 每 1,000 筆交易 $- 每 API 計算小時 |
$- 每 1,000 筆交易 $- 每 API 計算小時 |
傳統版 Web 服務仍依下列定價提供使用：
- $-/生產 API 計算時數 (每小時單位)
- $-/1,000 筆生產 API 交易 (交易單位)
只有對正在使用的服務才會收取每小時費用。此模式會顯示期間內同時套用的多個計量表。
如需傳統 Web 服務與新 Web 服務之間的詳細資訊，請參閱文件。
Azure 定價與購買選項
其他資源
Azure Machine Learning Studio (傳統版) 詳細資料
深入了解 Azure Machine Learning Studio (傳統版) 的功能。
定價計算機
預估您使用任何 Azure 產品組合的預期每月費用。
SLA
檢閱此產品的服務等級協定。
文件
檢閱技術教學課程、影片和更多 Azure Machine Learning Studio (傳統版) 資源。
常見問題集
-
若要將實驗從免費層複製到標準層，請遵循下方描述的步驟：
- 登入 Azure Machine Learning Studio，確定您可以在頂端瀏覽列的工作區選取器中看到免費工作區和標準工作區。
- 如果您目前位於標準工作區，請切換至免費工作區。
- 在實驗清單檢視中，選取想要複製的實驗，然後按一下 [複製] 命令按鈕。
- 在快顯對話方塊中選取 [標準工作區]，然後按一下 [複製] 按鈕。
- 請注意，將會連同實驗將所有相關聯的資料集、訓練好的模型等項目複製到標準工作區中。
- 您必須在標準工作區中重新執行實驗並重新發行 Web 服務。
-
Machine Learning 透過配對同一個地理位置的兩個地區，支援高可用性。美國中南部與美國中北部配對。
-
生產 API 呼叫時間的差別可能很大，通常從數百毫秒到幾秒鐘，視資料處理和機器學習服務模式的複雜度而定，也可能需要數分鐘。預估生產 API 呼叫時間最好的方法，是在 Machine Learning 上建立基準模型。
-
Machine Learning 是多租用戶服務，後端實際使用的計算資源各有不同，會依效能及預測情況進行最佳化。
-
一份帳單上，工作區費用會依每個適用的度量而個別細分。
與銷售專員洽談，取得 Azure 定價的逐步解說。了解您雲端解決方案的定價。
取得免費的雲端服務，以及可於 30 天內用來探索 Azure 的 $200 點數。