위험이 높은 게스트 결제 주문 및 차지백으로부터 보호하려는 전자 상거래 판매자입니다. 5GB의 데이터를 업로드하고 한 달에 두 번 단일 모델을 훈련하며 각 훈련은 완료하는 데 10시간의 컴퓨팅 시간이 소요된다고 가정합니다. 또한, 한 달 동안 모델 중 하나를 배포하고 이를 사용하여 하루에 1,000건의 실시간 사기 예측을 생성합니다. Amazon Fraud Detector 사용에 대한 당월의 청구 내역은 다음과 같습니다.

데이터 처리 및 스토리지 비용 = 5GB x GB당 0.10 USD = 0.50 USD

훈련 요금 = 컴퓨팅 시간 10시간 x 훈련 2건 x 컴퓨팅 시간당 0.39 USD = 7.80 USD

호스팅 요금 = 30일 x 24시간 x 모델 1개 x 컴퓨팅 시간당 0.06 USD = 43.20 USD

사기 예측 요금(실시간 및 배치) = 예측 1,000건/일 x 30일 x 온라인 사기 인사이트 예측 1건당 0.03 USD = 900 USD

총 비용 = 0.50 USD + 7.80 USD + 43.20 USD + 900 USD = 951.50 USD

카드 미지급 결제 솔루션을 제공하는 결제 서비스 제공업체가 의심스러운 결제에 플래그를 지정하여 거래 사기를 줄이려고 합니다. 기계 학습 모델과 규칙 기반 의사결정 시스템을 구현할 계획입니다. 200GB의 데이터를 업로드하고 두 모델을 한 달에 한 번 훈련하고 각 모델 훈련에는 10시간의 컴퓨팅 시간이 소요된다고 가정합니다. 그런 다음, 더 나은 성능의 모델을 선택하여 한 달 내내 배포합니다. 매일 20,000건의 실시간 사기 예측(월 600,000건의 트랜잭션 발생)과 하루 1,000건의 규칙 기반 사기 예측 결정(월별 30,000건의 거래 발생)을 생성합니다. Amazon Fraud Detector 사용에 대한 당월의 청구 내역은 다음과 같습니다.

데이터 처리 및 스토리지 비용 = 20GB x GB당 0.10 USD = 2 USD

훈련 요금 = 2개의 모델 x 컴퓨팅 시간 10시간 x 훈련 2건 x 컴퓨팅 시간당 0.39 USD = 15.60 USD

호스팅 요금 = 30일 x 24시간 x 모델 1개 x 컴퓨팅 시간당 0.06 USD = 43.20 USD

처음 100,000건의 거래에 대한 기계 학습 기반 사기 예측 요금 = 100,000건의 예측 x 온라인 사기 인사이트 예측당 0.03 USD = 3,000 USD

다음 500,000건의 거래에 대한 기계 학습 기반 사기 예측 요금(실시간) = 500,000건의 예측 x 거래 사기 인사이트 예측당 0.075 USD = 3,750 USD

규칙 기반 사기 예측 요금 = 1,000건의 예측/일 x 30일 x 규칙 기반 사기 예측당 0.005 USD = 150 USD

총 비용 = 2 USD + 15.60 USD + 43.20 USD + 3,000 USD + 3,750 USD + 150 USD = 6,960.80 USD