Bugün, bunu duyurmaktan heyecan duyuyoruz Amazon Tahmini seçilen bir öğe alt kümesi üzerinde tahminler oluşturma yeteneği sunar. Bu, verilerinizin tam değerinden yararlanmanıza ve bunları seçtiğiniz öğelere seçici olarak uygulamanıza yardımcı olur ve tahmin edilen sonuçları almak için harcanan zamanı ve çabayı azaltır.
Veri kümesinin 'tüm' öğeleri üzerinde bir tahmin oluşturmak, sizi tahmin etmek istediğiniz belirli öğeler üzerinde ayrıntılı kontrollere sahip olma özgürlüğünden kısıtladı. Bu, düşük/önceliksiz tahmin edilen kalemler için artan maliyet ve ek genel gider anlamına geliyordu. Daha önce, verilerinizdeki tüm öğeler hakkında birden fazla tahmin oluşturmak için çok zaman harcardınız. Bu, zaman alıcıydı ve yönetilmesi operasyonel olarak ağırdı. Ayrıca, bu yaklaşım makine öğreniminin (ML) değerinden tam olarak yararlanmaz: istenen öğeler arasında çıkarımlar uygulamak. Öğelerin bir alt kümesini seçme yeteneğiyle, artık modeli tüm verilerinizle eğitmeye odaklanabilir, ancak öğrendiklerinizi birkaç yüksek verimli öğe seçmek için uygulayabilirsiniz. Bu, üretkenliği artırarak (yönetilecek daha az öğe) ve maliyeti azaltarak (tahmin edilen öğe başına fiyatta düşüş) tahmin planlamasının genel optimizasyonuna katkıda bulunacaktır. Bu aynı zamanda açıklanabilirliği yönetmeyi de kolaylaştırır.
Bugünkü lansmanla, yalnızca tüm adımları çalıştırmakla kalmaz, aynı zamanda 'Bir Tahmin Oluştur' adımı sırasında bir csv yükleyerek tahmin edilecek öğelerin bir alt kümesini seçme seçeneğine de sahip olursunuz. Sizin için önemli ölçüde çaba tasarrufu sağlayan tüm hedef veya ilgili zaman serilerini ve öğe meta verilerini eklemeniz gerekmez. Bu aynı zamanda, tahmin edilen öğeler için toplam altyapı ayak izini azaltırken maliyet tasarrufu ve üretkenlik ile sonuçlanır. Bu adımı 'CreateForecast' API'sini kullanarak yapabilir veya aşağıdaki konsol adımlarını takip edebilirsiniz.
Öğelerin belirli alt kümesine ilişkin tahmin
Şimdi, girdi veri kümesindeki belirli öğeleri seçmek için Tahmin konsolunun nasıl kullanılacağını inceleyeceğiz.
1. Adım: Eğitim Verilerini İçe Aktarın
Zaman serisi verilerini Tahmin'e aktarmak için bir veri kümesi grubu oluşturun, veri kümesi grubunuz için bir etki alanı seçin, verilerinizin ayrıntılarını belirtin ve Tahmini Amazon Basit Depolama Hizmeti (Amazon S3) verilerinizin konumu. Bu örnekte, veri kümenizin 1000 öğeye sahip olduğunu varsayalım.
Not: Bu alıştırma, herhangi bir veri kümesi grubu oluşturmadığınızı varsayar. Daha önce bir veri kümesi grubu oluşturduysanız, gördükleriniz aşağıdaki ekran görüntülerinden ve talimatlardan biraz farklı olacaktır.
Tahmin için zaman serisi verilerini içe aktarmak için
- Tahmin konsolunu açın okuyun.
- Tahmin ana sayfasında, Veri kümesi grubu oluştur.
- Üzerinde Veri kümesi grubu oluştur sayfasında, giriş veri kümeniz için ayrıntıları ekleyin.
- Klinik Sonraki.
- The Veri kümesi ayrıntıları paneli aşağıdakine benzer görünmelidir:
- Veri kümesi içe aktarma sayfasına gerekli tüm ayrıntıları girdikten sonra, Veri kümesi içe aktarma ayrıntıları paneli aşağıdakine benzer görünmelidir:
- Klinik Başlama.
Tahminin zaman serisi verilerinizi içe aktarmayı bitirmesini bekleyin. İşlem birkaç dakika veya daha uzun sürebilir. Veri kümeniz içe aktarıldığında, durum şuna geçer: Aktif ve panonun üst kısmındaki başlık, verilerinizi başarıyla içe aktardığınızı size bildirir.
Artık hedef zaman serisi veri kümeniz içe aktarıldığına göre, bir tahmin oluşturabilirsiniz.
2. Adım: Bir tahminci oluşturun
Ardından, zaman serisi verilerinize dayalı olarak tahminler oluşturmak için kullandığınız bir tahmin aracı oluşturursunuz. Tahmin, veri kümelerinizdeki her zaman serisine en uygun algoritma kombinasyonunu uygular.
Tahmin konsolu ile bir tahminci oluşturmak için bir tahminci adı, bir tahmin sıklığı ve bir tahmin ufku tanımlarsınız. Yapılandırabileceğiniz ek alanlar hakkında daha fazla bilgi için, bkz. Eğitim Tahminleri.
Bir tahmin edici oluşturmak için
- Hedef zaman serisi veri kümenizin içe aktarımı tamamlandıktan sonra, veri kümesi grubunuzun Kullanıcı Paneli aşağıdakine benzer görünmelidir:
Altında Bir öngörücü eğitin, seçmek Başlama. Tren tahmincisi sayfası görüntülenir. - Üzerinde Tren tahmincisi sayfası, için tahmin ayarları, Aşağıdaki bilgileri sağlayın:
- Tahmin adı
- Tahmin sıklığı
- Tahmin ufku
- Tahmin boyutları ve Tahmin miktarları (opsiyonel)
Tahminciniz artık 1000 öğe üzerinde eğitildiğine göre, bir Tahmin oluşturmanın sonraki adımına geçebilirsiniz.
3. Adım: Bir Tahmin Oluşturun
- Tahmin Oluştur'u seçin.
- Tahmin adını yazın
- Bir tahminci seçin.
- Nicelik seçin – En fazla beş nicelik girin.
- 1000 öğenin tümü için tahmin oluşturmak istiyorsanız, "Tüm Öğeler"i seçin.
- Veya tahmin edilecek 1000 öğeden belirli öğeleri seçmenize izin verecek olan “Seçilmiş Öğeler”i seçebilirsiniz.
- Seçilen zaman serilerini içeren s3 dosyasının konumunu sağlayın. Zaman serisi, hedef zaman serisinde belirtilen tüm öğe ve boyut sütunlarını içermelidir.
- Seçili zaman serilerini içeren giriş dosyası için şemanızı da tanımlamanız gerekir. Şemada tanımlanan sütunların sırası, girdi dosyasındaki sütunların sırası ile eşleşmelidir.
- Tahmin Oluştur'a basın.
- Bir dışa aktarma gerçekleştirin ve .csv dosyası size yalnızca seçtiğiniz seçili öğeleri gösterecektir.
Sonuç
Tahmin artık size girdi veri kümesinden bir öğe alt kümesi seçme olanağı sağlar. Bu özellik ile modelinizi mevcut tüm verilerle eğitebilir ve ardından tahmin etmek istediğiniz öğeleri seçmek için öğrendiklerinizi uygulayabilirsiniz. Bu, zamandan tasarruf etmeye ve çabaları yüksek öncelikli öğelere odaklamaya yardımcı olur. Maliyet düşürmeyi başarabilir ve çabalarınızı iş sonuçlarıyla daha uyumlu hale getirebilirsiniz. "Tahmin seçme öğeleri", Tahminin herkese açık olduğu tüm Bölgelerde mevcuttur.
"Seçilen öğelerin" tahmini hakkında daha fazla bilgi edinmek için burayı ziyaret edin defter veya Tahminde daha fazlasını okuyun geliştirici kılavuzu.
Yazarlar Hakkında
Dave'le tanış Amazon Tahmin ekibinde Kıdemli Ürün Yöneticisidir. Yeni gelir akışları oluşturmak için veri ve bunların uygulanmasıyla ilgili her şeyle ilgileniyor. İş dışında Hint yemekleri pişirmeyi ve ilginç şovlar izlemeyi sever.
Ridhim Rastogi Amazon Tahmin ekibinde bir Yazılım Geliştirme Mühendisidir. AI/ML aracılığıyla gerçek dünya sorunlarını çözmeye odaklanan, ölçeklenebilir dağıtılmış sistemler oluşturma konusunda tutkulu. Boş zamanlarında bulmaca çözmeyi, kurgu okumayı ve keşfetmeyi sever.
- "
- 100
- a
- kabiliyet
- Hakkımızda
- Başarmak
- karşısında
- Ek
- algoritmalar
- Türkiye
- Amazon
- duyurmak
- api
- Uygulama
- Tamam
- Uygulanması
- yaklaşım
- mevcut
- AWS
- afiş
- sınır
- bina
- iş
- seçim
- Klinik
- kombinasyon
- konsolos
- içeren
- katkıda bulunmak
- kontroller
- yaratmak
- çevrimiçi kurslar düzenliyorlar.
- gösterge paneli
- veri
- ayrıntılar
- gelişme
- Boyut
- dağıtıldı
- Değil
- domain
- sırasında
- her
- çaba
- çabaları
- mühendis
- Keşfet
- girdi
- örnek
- uyarılmış
- Egzersiz
- keşfetmek
- Özellikler(Hazırlık aşamasında)
- Kurgu
- Alanlar
- odak
- odaklanma
- takip et
- takip etme
- Gıda
- ayak izi
- Freedom
- itibaren
- tam
- oluşturmak
- üreten
- grup
- Grubun
- baş
- yardım et
- yardımcı olur
- Yüksek
- Ana Sayfa
- ufuk
- Ne kadar
- Nasıl Yapılır
- HTTPS
- ithal
- dahil
- artmış
- artan
- bilgi
- Altyapı
- giriş
- ilgili
- IT
- başlatmak
- ÖĞRENİN
- öğrenme
- Kaldıraç
- yer
- Bakın
- makine
- makine öğrenme
- YAPAR
- yönetmek
- müdür
- Maç
- ML
- model
- Daha
- çoklu
- gerekli
- sonraki
- optimizasyon
- sipariş
- tüm
- panel
- tutkulu
- planlama
- Nokta
- Tahminler
- fiyat
- öncelik
- sorunlar
- süreç
- PLATFORM
- verimlilik
- sağlamak
- sağlar
- Gerçek dünya
- azaltarak
- Ortaya çıkan
- Sonuçlar
- gelir
- koşmak
- tasarruf
- ölçeklenebilir
- seçilmiş
- Dizi
- hizmet
- birkaç
- şov
- benzer
- Basit
- Yazılım
- yazılım geliştirme
- katı
- ÇÖZMEK
- özel
- geçirmek
- Durum
- hafızası
- Başarılı olarak
- Sistemler
- Hedef
- takım
- The
- işler
- İçinden
- zaman
- bugünkü
- üst
- Eğitim
- kullanım
- değer
- aranan
- İzle
- Ne
- İş
- Dünya
- olur
- Yol ver