Amazon SageMaker Canvas UI 및 AutoML API를 사용하여 시계열 예측 속도를 최대 50% 향상 | 아마존 웹 서비스

우리는 그것을 발표하게 된 것을 기쁘게 생각합니다 Amazon SageMaker 캔버스 이제 시계열 예측을 위한 기계 학습 모델을 생성하는 더 빠르고 사용자 친화적인 방법을 제공합니다. SageMaker Canvas는 비즈니스 분석가가 기계 학습 경험이 필요하지 않거나 코드 한 줄을 작성하지 않고도 정확한 기계 학습(ML) 모델을 생성할 수 있는 시각적 포인트 앤 클릭 서비스입니다.

SageMaker Canvas는 소매업의 재고 관리에 사용되는 시계열 예측, 제조 분야의 수요 계획, 여행 및 숙박업 분야의 인력 및 손님 계획, 금융 분야의 수익 예측, 기타 비즈니스에 중요한 결정을 포함한 다양한 사용 사례를 지원합니다. 정확한 예측이 중요합니다. 예를 들어, 시계열 예측을 통해 소매업체는 미래 판매 수요를 예측하고 재고 수준, 물류 및 마케팅 캠페인을 계획할 수 있습니다. SageMaker Canvas의 시계열 예측 모델은 고급 기술을 사용하여 통계 및 기계 학습 알고리즘을 결합하고 매우 정확한 예측을 제공합니다.

이 게시물에서는 SageMaker Canvas의 향상된 예측 기능을 설명하고 사용자 인터페이스(UI) 및 AutoML 사용 방법을 안내합니다. API 시계열 예측을 위해. SageMaker Canvas UI는 코드가 없는 시각적 인터페이스를 제공하지만 API는 개발자가 프로그래밍 방식으로 이러한 기능과 상호 작용할 수 있도록 지원합니다. 둘 다 다음에서 액세스할 수 있습니다. SageMaker 콘솔.

예측 경험 개선

오늘 출시로 SageMaker Canvas는 AutoML을 사용하여 예측 기능을 업그레이드하여 다양한 벤치마크 데이터 세트에서 이전 버전에 비해 평균적으로 최대 50% 더 빠른 모델 구축 성능과 최대 45% 더 빠른 예측을 제공합니다. 이렇게 하면 데이터 크기가 최대 186MB인 일반적인 73개 시계열 배치에 대한 평균 모델 훈련 기간이 33분에서 18분으로, 평균 예측 시간이 750분에서 100분으로 줄어듭니다. 이제 사용자는 Amazon SageMaker Autopilot을 통해 프로그래밍 방식으로 모델 구성 및 예측 기능에 액세스할 수도 있습니다. API, 모델 설명 가능성 및 성능 보고서가 함께 제공됩니다.

이전에는 증분 데이터를 도입하려면 전체 모델을 재교육해야 했기 때문에 시간이 많이 걸리고 운영 지연이 발생했습니다. 이제 SageMaker Canvas에서 최신 데이터를 추가하여 전체 모델을 재교육하지 않고도 향후 예측을 생성할 수 있습니다. 향후 예측에 대한 최신 통찰력을 사용하려면 증분 데이터를 모델에 입력하기만 하면 됩니다. 재교육을 없애면 예측 프로세스가 가속화되어 해당 결과를 비즈니스 프로세스에 더 빠르게 적용할 수 있습니다.

이제 예측을 위해 AutoML을 사용하는 SageMaker Canvas를 사용하면 SageMaker Autopilot API를 통해 모델 구축 및 예측 기능을 활용하여 UI와 API 전반에 걸쳐 일관성을 보장할 수 있습니다. 예를 들어 UI에서 모델 구축으로 시작한 다음 예측 생성을 위해 API를 사용하도록 전환할 수 있습니다. 이 업데이트된 모델링 접근 방식은 여러 가지 방법으로 모델 투명성을 향상합니다.

1. 사용자는 예측에 영향을 미치는 요인에 대한 보다 명확한 통찰력을 제공하는 설명 보고서에 액세스할 수 있습니다. 이는 위험, 규정 준수 팀 및 외부 규제 기관에 유용합니다. 이 보고서는 데이터 세트 속성이 특정 시계열 예측에 어떻게 영향을 미치는지 설명합니다. 그것은 고용한다 영향 점수 각 속성의 상대적 효과를 측정하여 예측 값이 증폭되는지 아니면 감소하는지를 나타냅니다.
2. 이제 훈련된 모델에 액세스하여 SageMaker 추론 또는 예측을 위해 선호하는 인프라에 배포할 수 있습니다.
3. 특정 시계열에 대해 AutoML이 선택한 최적의 모델과 훈련 중에 사용되는 하이퍼파라미터에 대한 더 깊은 통찰력을 제공하는 성능 보고서가 제공됩니다.

SageMaker Canvas UI를 사용하여 시계열 예측 생성

SageMaker Canvas UI를 사용하면 클라우드 또는 온프레미스의 데이터 소스를 원활하게 통합하고, 손쉽게 데이터 세트를 병합하고, 정확한 모델을 교육하고, 새로운 데이터로 예측할 수 있습니다. 이 모든 작업을 코딩 없이 수행할 수 있습니다. 이 UI를 사용하여 시계열 예측을 생성하는 방법을 살펴보겠습니다.

먼저, 컴퓨터의 로컬 파일을 포함하여 다양한 소스에서 SageMaker Canvas로 데이터를 가져옵니다. Amazon Simple Storage Service(Amazon S3) 버킷, 아마존 아테나, 눈송이및 40개 이상의 기타 데이터 소스. 데이터를 가져온 후에는 산점도나 막대 ​​차트 등을 통해 데이터를 탐색하고 시각화하여 추가 통찰력을 얻을 수 있습니다. 모델을 생성할 준비가 되면 예측할 대상 열을 선택하고 예측할 향후 일수를 지정하는 등 필요한 매개 변수를 구성한 후 몇 번의 클릭만으로 모델을 생성할 수 있습니다. 다음 스크린샷은 다양한 매장 위치의 특정 제품에 대한 과거 주간 수요 데이터를 기반으로 제품 수요를 예측하는 시각화의 예를 보여줍니다.

다음 이미지는 다양한 매장 위치의 특정 제품에 대한 주간 예측을 보여줍니다.

예측을 위해 SageMaker Canvas UI를 사용하는 방법에 대한 포괄적인 가이드는 다음을 확인하세요. 블로그 게시물.

자동화된 워크플로가 필요하거나 ML 모델을 앱에 직접 통합해야 하는 경우 API를 통해 예측 기능에 액세스할 수 있습니다. 다음 섹션에서는 당사의 활용 방법을 자세히 설명하는 샘플 솔루션을 제공합니다. API 자동화된 예측을 위해.

API를 사용하여 시계열 예측 생성

API를 사용하여 모델을 훈련하고 예측을 생성하는 방법을 살펴보겠습니다. 이 데모에서는 회사가 고객 요구를 충족하기 위해 다양한 매장의 제품 재고 수준을 예측해야 하는 상황을 가정해 보겠습니다. 높은 수준에서 API 상호 작용은 다음 단계로 구분됩니다.

1. 데이터세트를 준비합니다.
2. SageMaker Autopilot 작업을 생성합니다.
3. Autopilot 작업을 평가합니다.
   1. 모델 정확도 측정항목과 백테스트 결과를 살펴보세요.
   2. 모델 설명 가능성 보고서를 살펴보세요.
4. 모델에서 예측을 생성합니다.
   1. 사용 실시간 추론 Autopilot 작업의 일부로 생성된 엔드포인트. 또는
   2. 사용하십시오 일괄 변환 일.

API를 사용한 예측을 보여주는 샘플 Amazon SageMaker Studio 노트북

우리는 샘플 SageMaker Studio 노트북을 제공했습니다. GitHub의 기업에서 프로그래밍 방식 API를 통해 예측을 조정하려는 경우 출시 기간을 단축하는 데 도움이 됩니다. 노트북은 공개 S3 버킷을 통해 사용할 수 있는 샘플 합성 데이터 세트를 제공합니다. 노트북은 위에서 언급한 워크플로 이미지에 설명된 모든 단계를 안내합니다. 노트북은 기본 프레임워크를 제공하지만 특정 사용 사례에 맞게 코드 샘플을 맞춤화할 수 있습니다. 여기에는 원하는 결과를 얻기 위해 고유한 데이터 스키마, 시간 해상도, 예측 범위 및 기타 필수 매개변수와 일치하도록 수정하는 작업이 포함됩니다.

결론

SageMaker Canvas는 비즈니스 분석가가 매우 정확한 기계 학습 모델을 생성할 수 있도록 지원하는 사용자 친화적이고 코드 없는 환경을 제공하여 시계열 예측을 민주화합니다. 오늘날의 AutoML 업그레이드를 통해 최대 50% 더 빠른 모델 구축, 최대 45% 더 빠른 예측을 제공하고 모델 구축 및 예측 기능 모두에 API 액세스를 도입하여 투명성과 일관성을 향상시킵니다. 재교육 없이 증분 데이터를 원활하게 처리할 수 있는 SageMaker Canvas의 고유한 기능을 통해 끊임없이 변화하는 비즈니스 요구 사항에 신속하게 적응할 수 있습니다.

직관적인 UI를 선호하든 다용도 API를 선호하든 SageMaker Canvas는 데이터 통합, 모델 훈련 및 예측을 단순화하여 업계 전반의 데이터 중심 의사 결정 및 혁신을 위한 중추적인 도구가 됩니다.

자세한 내용은 다음을 검토하세요. 선적 서류 비치, 또는 탐색 수첩 GitHub 저장소에서 사용할 수 있습니다. SageMaker Canvas를 사용한 시계열 예측에 대한 가격 정보는 다음에서 확인할 수 있습니다. SageMaker 캔버스 가격 페이지 및 SageMaker Autopilot API 사용 시 SageMaker 교육 및 추론 가격은 다음을 참조하세요. SageMaker 가격 페이지.

이러한 기능은 SageMaker Canvas 및 SageMaker Autopilot에 공개적으로 액세스할 수 있는 모든 AWS 리전에서 사용할 수 있습니다. 지역 가용성에 대한 자세한 내용은 다음을 참조하세요. 지역별 AWS 서비스.

---

저자에 관하여

니르말 쿠마르 Amazon SageMaker 서비스의 수석 제품 관리자입니다. AI/ML에 대한 액세스를 확대하는 데 전념하고 있는 그는 노코드 및 로우코드 ML 솔루션 개발을 주도하고 있습니다. 업무 외에는 여행과 논픽션 독서를 즐깁니다.

찰스 라플린 그는 AWS의 Amazon SageMaker 서비스 팀에서 일하는 수석 AI/ML 전문가 솔루션 설계자입니다. 그는 서비스 로드맵을 형성하는 데 도움을 주고 다양한 AWS 고객과 매일 협력하여 최첨단 AWS 기술과 사고 리더십을 사용하여 비즈니스를 혁신하도록 돕습니다. Charles는 공급망 관리 석사 및 박사 학위를 보유하고 있습니다. 데이터 과학에서.

리딤 라스토기 AWS의 Amazon SageMaker 서비스 팀에서 일하는 소프트웨어 개발 엔지니어입니다. 그는 AI/ML을 통해 실제 문제를 해결하는 데 중점을 두고 확장 가능한 분산 시스템을 구축하는 데 열정을 갖고 있습니다. 여가 시간에는 퍼즐 풀기, 소설 읽기, 주변 탐색을 좋아합니다.

아흐메드 라파트 AWS의 수석 솔루션 아키텍트로서 20년의 현장 경험을 갖고 있으며 5년 동안 AWS 생태계에 전념해왔습니다. 그는 AI/ML 솔루션을 전문으로 합니다. 그의 광범위한 경험은 다양한 산업 분야에 걸쳐 확장되어 수많은 기업 고객이 신뢰할 수 있는 조언자가 되어 클라우드 여정의 원활한 탐색 및 가속화를 촉진합니다.

존 오쇼디 영국 런던에 본사를 둔 Amazon Web Services의 수석 솔루션 아키텍트입니다. 그는 데이터 및 분석을 전문으로 하며 수많은 AWS 기업 고객의 기술 고문으로 활동하며 고객의 클라우드 여정을 지원하고 가속화합니다. 업무 외에는 가족과 함께 새로운 곳으로 여행을 떠나며 새로운 문화를 경험하는 것을 즐깁니다.

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
• PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
• PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
• 출처: https://aws.amazon.com/blogs/machine-learning/speed-up-your-time-series-forecasting-by-up-to-50-percent-with-amazon-sagemaker-canvas-ui-and-automl-apis/