ایمیزون کی پیشن گوئی کے ساتھ پیشن گوئی کی درستگی کی مسلسل نگرانی کریں۔

ہمیں یہ اعلان کرتے ہوئے خوشی ہو رہی ہے کہ اب آپ خود بخود اپنی درستگی کی نگرانی کر سکتے ہیں۔ ایمیزون کی پیشن گوئی وقت کے ساتھ ساتھ پیشن گوئی کرنے والے جیسا کہ نیا ڈیٹا فراہم کیا جاتا ہے، Forecast خود بخود نئے ڈیٹاسیٹ پر پیشین گوئی کرنے والے کی درستگی کے میٹرکس کی گنتی کرتا ہے، آپ کو یہ فیصلہ کرنے کے لیے مزید معلومات فراہم کرتا ہے کہ آیا نئے پیشن گوئی کرنے والوں کا استعمال جاری رکھنا ہے، دوبارہ تربیت دینا ہے یا تخلیق کرنا ہے۔

کاروباری اہداف کو حاصل کرنے کے لیے پیشین گوئی کے معیار کی نگرانی اور وقت کے ساتھ درستگی میں خرابی کی نشاندہی کرنا ضروری ہے۔ تاہم، پیشین گوئی کرنے والے درستگی کے میٹرکس کی مسلسل نگرانی کے لیے درکار عمل کو ترتیب دینے میں وقت لگ سکتا ہے اور اس کا انتظام کرنا مشکل ہو سکتا ہے: پیشین گوئیوں کا جائزہ لیا جانا چاہیے، اور تازہ کاری شدہ درستگی میٹرکس کی گنتی کرنی ہوگی۔ اس کے علاوہ، رجحانات کو سمجھنے اور پیش گوئوں کو رکھنے، دوبارہ تربیت دینے یا دوبارہ تخلیق کرنے کے بارے میں فیصلے کرنے کے لیے میٹرکس کو ذخیرہ اور چارٹ کرنا ہوتا ہے۔ یہ عمل مہنگے ترقی اور دیکھ بھال کے بوجھ کا باعث بن سکتے ہیں، اور ڈیٹا سائنس اور تجزیہ کار ٹیموں پر بامعنی آپریشنل دباؤ ڈال سکتے ہیں۔ اور صارفین کے لیے جو اس وقت خرچ کرنے والے عمل کو اپنانے کے لیے تیار نہیں ہیں (وہ ضرورت نہ ہونے پر بھی نئے پیش گوؤں کو دوبارہ تربیت دینے کو ترجیح دیں گے)، یہ وقت اور حساب کا ضیاع کرتا ہے۔

آج کے آغاز کے ساتھ، Forecast اب خود بخود پیشین گوئی کرنے والے کی درستگی کو وقت کے ساتھ ٹریک کرتا ہے کیونکہ نیا ڈیٹا درآمد کیا جاتا ہے۔ اب آپ ابتدائی معیار کے میٹرکس سے اپنے پیشن گوئی کے انحراف کو درست کر سکتے ہیں اور رجحانات کو دیکھ کر ماڈل کے معیار کا منظم طریقے سے جائزہ لے سکتے ہیں، اور نئے ڈیٹا کے آنے کے ساتھ ہی اپنے ماڈلز کو رکھنے، دوبارہ تربیت دینے، یا دوبارہ بنانے کے بارے میں مزید باخبر فیصلے کر سکتے ہیں۔ پیشین گوئی کرنے والے کی نگرانی شروع میں ہی نئے پیشن گوئی کرنے والوں کے لیے فعال کی جا سکتی ہے۔ ، یا موجودہ ماڈلز کے لیے آن کر دیا گیا ہے۔ آپ اس فیچر کو ایک کلک کے ساتھ فعال کر سکتے ہیں۔ AWS مینجمنٹ کنسول یا استعمال کرتے ہوئے پیشن گوئی APIs.

وقت کے ساتھ ساتھ پیشین گوئی کی درستگی

پیشن گوئی کرنے والا ایک مشین لرننگ ماڈل ہوتا ہے جسے وقت کے ایک موقع پر بنایا جاتا ہے، تربیتی ڈیٹا کے اصل سیٹ کا استعمال کرتے ہوئے۔ پیشین گوئی کرنے والے کے بننے کے بعد، اس کا استعمال مستقبل میں دنوں، ہفتوں یا مہینوں میں جاری بنیادوں پر ہوتا ہے تاکہ حقیقی لین دین کے ذریعے پیدا ہونے والے نئے زمینی سچائی کے اعداد و شمار کے ساتھ ٹائم سیریز کی پیشن گوئیاں تیار کی جا سکیں۔ جیسا کہ نیا ڈیٹا درآمد کیا جاتا ہے، پیشن گوئی کرنے والا اسے فراہم کردہ تازہ ترین ڈیٹا کی بنیاد پر نئے پیشن گوئی شدہ ڈیٹا پوائنٹس تیار کرتا ہے۔

جب ایک پیشین گوئی کرنے والا پہلی بار بنایا جاتا ہے، تو پیشن گوئی درستگی کی پیمائشیں تیار کرتی ہے جیسے کہ ویٹڈ کوانٹائل نقصان (wQL)، مطلب مطلق فیصد کی خرابی (MAPE)، یا روٹ کا مطلب مربع غلطی (RMSE) پیشین گوئی کرنے والے کی درستگی کا تعین کرنے کے لیے۔ یہ درستگی میٹرکس اس بات کا تعین کرنے کے لیے استعمال کی جاتی ہیں کہ آیا پیشین گوئی کرنے والے کو پیداوار میں رکھا جائے گا۔ تاہم، پیشین گوئی کرنے والے کی کارکردگی وقت کے ساتھ ساتھ اتار چڑھاؤ آئے گی۔ بیرونی عوامل جیسے معاشی ماحول میں تبدیلیاں یا صارفین کے رویے میں پیشین گوئی کرنے والے بنیادی عوامل کو تبدیل کر سکتے ہیں۔ دیگر عوامل میں نئی ​​مصنوعات، اشیاء اور خدمات شامل ہیں جو تخلیق کی جا سکتی ہیں۔ مالی یا اقتصادی ماحول میں تبدیلیاں؛ یا ڈیٹا کی تقسیم میں تبدیلیاں۔

مثال کے طور پر، ایک پیشن گوئی کرنے والے پر غور کریں جب کسی مصنوع کا ایک مخصوص رنگ مقبول ہوا تھا۔ مہینوں بعد، نئے رنگ ظاہر ہو سکتے ہیں یا زیادہ مقبول ہو سکتے ہیں اور اقدار کی تقسیم بدل جاتی ہے۔ یا کاروباری ماحول میں ایک تبدیلی واقع ہوتی ہے جو طویل عرصے سے خریداری کے پیٹرن کو تبدیل کرتی ہے (جیسے زیادہ مارجن سے کم مارجن والی مصنوعات تک)۔ تمام چیزوں پر غور کیا جا سکتا ہے، پیشن گوئی کرنے والے کو دوبارہ تربیت دینے کی ضرورت ہو سکتی ہے، یا انتہائی درست پیشین گوئیوں کو جاری رکھنے کو یقینی بنانے کے لیے ایک نیا پیش گو بنانے کی ضرورت پڑ سکتی ہے۔

خودکار پیش گو کی نگرانی

پیشین گوئی کرنے والے کی نگرانی کو آپ کے پیش گو کی کارکردگی کا خود بخود تجزیہ کرنے کے لیے ڈیزائن کیا گیا ہے کیونکہ نیا زمینی سچائی ٹائم سیریز ڈیٹا دستیاب ہو جاتا ہے اور اسے نئی پیشین گوئیاں بنانے کے لیے استعمال کیا جاتا ہے۔ یہ نگرانی آپ کو ماڈل کی کارکردگی کی مسلسل معلومات فراہم کرتی ہے، اور آپ کا وقت بچاتی ہے تاکہ آپ کو خود اس عمل کو ترتیب دینے کی ضرورت نہ پڑے۔

اگر پیشن گوئی میں پیشن گوئی کی نگرانی فعال ہے، ہر بار جب آپ نیا ڈیٹا درآمد کرتے ہیں اور نئی پیشن گوئی تیار کرتے ہیں، کارکردگی کے اعداد و شمار خود بخود اپ ڈیٹ ہو جاتے ہیں۔ اب تک، کارکردگی کے یہ اعدادوشمار صرف اس وقت دستیاب تھے جب پیشین گوئی کرنے والے کو ابتدائی طور پر تربیت دی گئی تھی۔ اب یہ اعدادوشمار نئے زمینی سچائی کے اعداد و شمار کا استعمال کرتے ہوئے مسلسل بنیادوں پر تیار کیے جاتے ہیں، اور پیشن گوئی کی کارکردگی کا اندازہ لگانے کے لیے فعال طور پر نگرانی کی جا سکتی ہے۔

یہ آپ کو پیشین گوئی کرنے والے کی کارکردگی کے اعدادوشمار استعمال کرنے کی اجازت دیتا ہے تاکہ یہ فیصلہ کیا جا سکے کہ نئے پیش گو کو کب تربیت یا دوبارہ تربیت دی جائے۔ مثال کے طور پر، جیسا کہ اوسط wQL میٹرک ابتدائی بنیادی اقدار سے ہٹ جاتا ہے، آپ اس بات کا تعین کر سکتے ہیں کہ آیا ایک نئے پیش گو کو دوبارہ تربیت دینا ہے۔ اگر آپ پیشین گوئی کرنے والے کو دوبارہ تربیت دینے یا ایک نیا بنانے کا فیصلہ کرتے ہیں، تو آپ زیادہ درست پیشین گوئی کرنے والے کا استعمال کرتے ہوئے نئے پیشن گوئی شدہ ڈیٹا پوائنٹس بنانا شروع کر سکتے ہیں۔

مندرجہ ذیل گراف پیشن گوئی کی نگرانی کی دو مثالیں فراہم کرتے ہیں۔ پہلے چارٹ میں، اوسط wQL میٹرک بیس لائن سے کم ہو رہی ہے (ابتدائی قدر جب پیشین گوئی کرنے والے کو تربیت دی گئی تھی)، جس سے ظاہر ہوتا ہے کہ پیشین گوئی کی درستگی وقت کے ساتھ بڑھ رہی ہے۔ چارٹ کچھ دنوں کے دوران اوسط wQL 0.3 سے 0.15 تک گرتا دکھاتا ہے، یعنی پیشن گوئی کی درستگی بڑھ رہی ہے۔ اس صورت میں، پیشین گوئی کرنے والے کو دوبارہ تربیت دینے کی ضرورت نہیں ہے کیونکہ یہ اس سے زیادہ درست پیشین گوئیاں پیدا کر رہا ہے جب اسے پہلی بار تربیت دی گئی تھی۔

اگلے اعداد و شمار میں، اس کے برعکس سچ ہے: اوسط wQL بڑھ رہا ہے، اس بات کی نشاندہی کرتا ہے کہ درستگی وقت کے ساتھ کم ہو رہی ہے۔ اس صورت میں، آپ کو نئے اعداد و شمار کے ساتھ پیش گو کو دوبارہ تربیت دینے یا دوبارہ بنانے پر غور کرنا چاہیے۔

پیشن گوئی میں، آپ کے پاس موجودہ پیش گو کو دوبارہ تربیت دینے یا اسے شروع سے دوبارہ بنانے کا انتخاب ہے۔ دوبارہ تربیت ایک کلک کے ساتھ کیا جاتا ہے اور پیشن گوئی الگورتھم میں مزید تازہ ترین ڈیٹا اور کسی بھی اپ ڈیٹ اور بہتری کو شامل کرتا ہے۔ تعمیر نو پیشن گوئی کرنے والا آپ کو ایک نیا پیشن گو بنانے کے لیے نئے ان پٹ (جیسے پیشن گوئی کی فریکوئنسی، افق، یا نئی جہت) فراہم کرنے کی اجازت دیتا ہے۔

پیشن گوئی کی نگرانی کو فعال کریں۔

آپ ایک نیا پیشن گوئی کرنے والے کو بناتے وقت پیشن گوئی کی نگرانی کو فعال کر سکتے ہیں، یا اسے موجودہ پیشن گوئی کرنے والوں کے لیے آن کر سکتے ہیں۔ اس سیکشن کے اقدامات یہ ظاہر کرتے ہیں کہ پیشن گوئی کنسول کا استعمال کرتے ہوئے ان اقدامات کو کیسے انجام دیا جائے۔ ایک مشتری بھی ہے۔ نوٹ بک جو APIs کا استعمال کرتے ہوئے پیش گوئی کرنے والے کی نگرانی کو فعال کرنے اور پیشین گوئی کرنے والے مانیٹر کے نتائج پیدا کرنے کے لیے اقدامات کے ایک سلسلے سے گزرتا ہے۔

یہ مثال پیشین گوئی کرنے والے کی نگرانی سے دستیاب ٹائم سلائسڈ نمونہ ڈیٹاسیٹ کا استعمال کرتی ہے۔ نوٹ بک. ہماری مثال میں، ہم نیو یارک سٹی ٹیکسی پک اپس کے 100,000 قطار والے ڈیٹاسیٹ کے ساتھ شروع کرتے ہیں جس میں ٹائم اسٹیمپ، مقام کی ID، اور ہدف کی قدر ہوتی ہے (مقام ID پر ٹائم اسٹیمپ کے دوران پک اپ کی درخواست کی گئی تعداد)۔

درج ذیل مراحل کو مکمل کریں:

1. Forecast کنسول پر، منتخب کریں۔ ڈیٹا سیٹ گروپس دیکھیں نیوی گیشن پین میں.
2. میں سے انتخاب کریں ڈیٹاسیٹ گروپ بنائیں اور اپنے ڈیٹاسیٹ گروپ کی تفصیلات فراہم کریں۔
   ڈیٹا سیٹ گروپ بنانے کے بعد، آپ کو ٹارگٹ ٹائم سیریز ڈیٹاسیٹ بنانے کا اشارہ کیا جائے گا۔ آپ اس ڈیٹاسیٹ کا استعمال پیشن گوئی کرنے والے کو تربیت دینے اور پیشین گوئیاں بنانے کے لیے کرتے ہیں۔
3. پر ٹارگٹ ٹائم سیریز ڈیٹاسیٹ بنائیں صفحہ، اپنے ڈیٹا کا سکیما، تعدد اور مقام فراہم کریں۔
4. میں سے انتخاب کریں آغاز اپنا ہدف ڈیٹاسیٹ درآمد کرنے کے لیے۔
   اگلا، آپ اپنا پیشن گوئی تیار کرتے ہیں اور اپنے ابتدائی ڈیٹاسیٹ کا استعمال کرتے ہوئے اسے تربیت دیتے ہیں۔
5. نیویگیشن پین میں، منتخب کریں۔ پیشن گوئی.
6. میں سے انتخاب کریں نئے پیش گو کو تربیت دیں۔.
   
7. میں پیشن گوئی کی ترتیبات سیکشن میں، اپنے پیش گو کے لیے ایک نام درج کریں، مستقبل میں آپ کتنی دیر تک اور کس فریکوئنسی پر پیشن گوئی کرنا چاہتے ہیں، اور کوانٹائل کی تعداد درج کریں جس کی آپ پیشن گوئی کرنا چاہتے ہیں۔
   
8. کے لئے آپٹیمائزیشن میٹرک، آپ کو بہتر بنانے کے لیے آپٹیمائزیشن میٹرک کا انتخاب کر سکتے ہیں۔ AutoPredictor اپنی پسند کے مخصوص درستگی میٹرک کے لیے ماڈل کو ٹیون کرنے کے لیے۔ ہم اسے اپنے واک تھرو کے لیے بطور ڈیفالٹ چھوڑ دیتے ہیں۔
9. پیشین گوئی کی وضاحت کی رپورٹ حاصل کرنے کے لیے، منتخب کریں۔ پیشن گوئی کی وضاحت کو فعال کریں۔.
10. پیشن گوئی کی نگرانی کو فعال کرنے کے لیے، منتخب کریں۔ پیشن گوئی کی نگرانی کو فعال کریں۔.
11. ان پٹ ڈیٹا کنفیگریشن کے تحت، آپ زیادہ درست ڈیمانڈ پیشن گوئی کے لیے مقامی موسم کی معلومات اور قومی تعطیلات شامل کر سکتے ہیں۔
12. میں سے انتخاب کریں آغاز اپنے پیش گو کی تربیت شروع کرنے کے لیے۔
    
    پیشن گوئی اب اس ابتدائی ڈیٹا سیٹ کے ساتھ پیشین گوئی کرنے والے کو تربیت دیتی ہے۔ پیشن گوئی کی نگرانی کے فعال ہونے کے ساتھ، جب بھی اس ڈیٹاسیٹ گروپ میں نیا ڈیٹا فراہم کیا جاتا ہے، پیشن گوئی کی تازہ کاری کی درستگی کی پیمائش کرنے کے قابل ہے۔
13. پیشین گوئی کرنے والے کے تربیت یافتہ ہونے کے بعد، ابتدائی درستگی میٹرکس کا جائزہ لینے کے لیے اسے منتخب کریں۔
    
    ۔ پیمائش کا معیار ٹیب ابتدائی پیشن گوئی کے معیار کے میٹرکس دکھاتا ہے۔ چونکہ آپ نے اپنے پیشن گوئی کرنے والے سے کوئی پیشن گوئی نہیں کی ہے یا کوئی نیا زمینی سچائی ڈیٹا درآمد نہیں کیا ہے، اس لیے اس پر دکھانے کے لیے کچھ نہیں ہے۔ باخبر رہنا ٹیب.
    اگلا مرحلہ نئے پیش گو کا استعمال کرتے ہوئے پیشن گوئی پیدا کرنا ہے۔
14. میں سے انتخاب کریں پیشگوئی نیوی گیشن پین میں.
15. میں سے انتخاب کریں پیشن گوئی بنائیں آپ کے ابھی درآمد کردہ ٹائم سیریز ڈیٹا اور پیشین گوئی کی ترتیبات کی بنیاد پر ایک نئی پیشن گوئی بنانے کے لیے۔
16. پیشن گوئی کا نام، پیشن گوئی کرنے والے کا نام، اور کوئی بھی اضافی کوانٹائل میٹرکس فراہم کریں جس کی آپ گنتی کرنا چاہتے ہیں۔

پیشن گوئی بنانے کے بعد، آپ اس کی تفصیلات اور نتائج کو دیکھ اور برآمد کر سکتے ہیں۔ پیشن گوئی کی تفصیلات صفحہ.

پیشن گوئی کی نگرانی: وقت کے ساتھ درستگی کا اندازہ لگانا

وقت گزرنے کے ساتھ، آپ کے کاروباری عمل سے نیا زمینی سچائی ڈیٹا تیار ہوتا ہے، مثال کے طور پر، اپ ڈیٹ کردہ سیلز کے اعداد و شمار، عملے کی سطح، یا مینوفیکچرنگ آؤٹ پٹ۔ اس نئے ڈیٹا کی بنیاد پر نئی پیشین گوئیاں بنانے کے لیے، آپ اپنا ڈیٹا اپنے بنائے ہوئے ڈیٹا سیٹ میں درآمد کر سکتے ہیں۔

1. Amazon Forecast کنسول پر، پر ڈیٹا سیٹ گروپس صفحہ، اپنا ڈیٹا سیٹ گروپ منتخب کریں۔
   
2. اپنا ڈیٹا سیٹ منتخب کریں۔
   
3. میں ڈیٹا سیٹ کی درآمدات سیکشن کا انتخاب کریں، ڈیٹاسیٹ امپورٹ بنائیں.
   
4. اپنے اپ ڈیٹ کردہ ڈیٹا کے بارے میں اضافی تفصیلات فراہم کریں، بشمول اس کے مقام۔
   
5. میں سے انتخاب کریں آغاز.

پیشن گوئی کی نگرانی کے ساتھ، پیشن گوئی اس نئے ڈیٹا کا موازنہ پچھلی پیش گوئی سے کرتی ہے، اور پیشین گوئی کرنے والے کے لیے درستگی کے میٹرکس کا حساب لگاتی ہے۔ تازہ ترین پیشن گوئی کے معیار کے میٹرکس کو مسلسل بنیادوں پر شمار کیا جاتا ہے کیونکہ ڈیٹاسیٹ میں نیا ڈیٹا شامل کیا جاتا ہے۔

آپ اضافی ڈیٹا درآمد کرنے کے لیے ان اقدامات پر عمل کر سکتے ہیں، جو کہ وقت کے ساتھ ساتھ ہونے والی اضافی لین دین کی نمائندگی کرتے ہیں۔

پیشن گوئی کی نگرانی کے نتائج کا اندازہ کریں

پیشین گوئی کرنے والے مانیٹرنگ کے نتائج دیکھنے کے لیے، آپ کو ابتدائی پیشین گوئیاں تیار کرنے کے بعد نیا زمینی سچائی ڈیٹا شامل کرنا چاہیے۔ پیشن گوئی اس نئے زمینی سچائی کے اعداد و شمار کا پچھلی پیشن گوئی سے موازنہ کرتی ہے، اور نگرانی کے لیے تازہ ترین ماڈل کی درستگی کی اقدار تیار کرتی ہے۔

1. پر ڈیٹا سیٹ گروپس صفحہ، متعلقہ ڈیٹاسیٹ گروپس کا انتخاب کریں اور ٹارگٹ ٹائم سیریز کو منتخب کریں تاکہ اسے نئے زمینی سچائی کے اعداد و شمار کے ساتھ اپ ڈیٹ کریں۔
   
2. میں سے انتخاب کریں ڈیٹاسیٹ امپورٹ بنائیں اور اپنا نیا زمینی سچ ڈیٹا شامل کریں۔
   
   اضافی زمینی سچائی کا ڈیٹا فراہم کرنے کے بعد، آپ اپنے پیش گو کو کھول سکتے ہیں اور پیشین گوئی کرنے والے کی نگرانی کے ابتدائی اعدادوشمار دیکھ سکتے ہیں۔
3. اپنے پیش گو کا انتخاب کریں اور پر تشریف لے جائیں۔ باخبر رہنا ٹیب.
   

آپ اس پیشین گوئی کا استعمال کرتے ہوئے اضافی پیشین گوئیاں چلانے کے لیے ان اقدامات پر عمل کر سکتے ہیں اور زمینی سچائی کے اعداد و شمار کی مزید تکرار شامل کر سکتے ہیں۔ آپ کے پیش گو کے لیے ماڈل کی درستگی کے اعدادوشمار کی ترقی پر دستیاب ہے۔ باخبر رہنا ٹیب.

یہ مثال پیشین گوئی کرنے والے کے لیے ماڈل کی درستگی کے اعدادوشمار دکھاتی ہے جس کا اندازہ چار اضافی ڈیٹا اپ ڈیٹس کے ساتھ کیا گیا ہے۔ پیشن گوئی کرنے والے کے پاس 0.55 کی ابتدائی بیس لائن MAPE تھی جب اسے ابتدائی طور پر تربیت دی گئی تھی۔ جیسا کہ اضافی ڈیٹا لوڈ کیا گیا، MAPE پہلے اضافی ڈیٹاسیٹ کے ساتھ .42 تک گر گیا، جو کہ زیادہ درست پیش گو کی نشاندہی کرتا ہے، اور اس کے بعد کے ڈیٹاسیٹس کے ساتھ .42 سے .48 تک کی سخت رینج میں اتار چڑھاؤ آتا ہے۔

اضافی میٹرکس دیکھنے کے لیے آپ چارٹ کو ٹوگل کر سکتے ہیں۔ درج ذیل مثالوں میں، MASE اور اوسط wQL وقت کے ساتھ بیس لائن سے اسی طرح کے اتار چڑھاو کو ظاہر کرتے ہیں۔

۔ مانیٹرنگ ہسٹری صفحہ کے نچلے حصے میں سیکشن وقت کے ساتھ ٹریک کردہ تمام پیشین گوئی کرنے والے درستگی کے میٹرکس پر مکمل تفصیلات فراہم کرتا ہے۔

موجودہ پیشن گو پر پیشن گوئی کی نگرانی قائم کریں۔

آپ آسانی سے موجودہ پیش گوئوں کی نگرانی کو فعال کر سکتے ہیں۔ ایسا کرنے کے لیے، درج ذیل مراحل کو مکمل کریں:

1. نیویگیشن پین میں، اپنے ڈیٹاسیٹ کے نیچے، منتخب کریں۔ پیشن گوئی.
2. یہاں سے نگرانی کو فعال کرنے کے دو طریقے ہیں:
   1. میں سے انتخاب کریں نگرانی شروع کریں کے تحت باخبر رہنا کالم.
      
   2. اپنے پیش گو کا انتخاب کریں اور پر باخبر رہنا ٹیب ، نیچے۔ تفصیلات کی نگرانی کریں۔منتخب کریں مانیٹر شروع کریں۔.
      
3. پاپ اپ ڈائیلاگ میں، منتخب کریں۔ آغاز منتخب پیش گو کی نگرانی شروع کرنے کے لیے۔
   

۔ باخبر رہنا ٹیب اب ظاہر کرتا ہے کہ پیشین گوئی کرنے والے کی نگرانی شروع ہو گئی ہے، اور جب آپ مزید ڈیٹا درآمد کرتے ہیں تو نتائج پیدا ہوتے ہیں۔

پیشن گوئی کی نگرانی کو روکیں اور دوبارہ شروع کریں۔

آپ پیشن گوئی کی نگرانی کو روک کر دوبارہ شروع بھی کر سکتے ہیں۔ مندرجہ ذیل پر غور کریں:

• قیمت - پیشن گوئی کی نگرانی اضافی وسائل استعمال کرتی ہے۔ عام چھوٹے ڈیٹاسیٹس کے ساتھ، لاگت کم سے کم ہوتی ہے، لیکن بڑے ڈیٹا سیٹس (ان پٹ ڈیٹاسیٹ میں آئٹمز کی تعداد، اور پیشن گوئی افق) کے ساتھ بڑھ سکتی ہے۔
• نجی معلومات کی حفاظتی - آپ کی پیشن گوئی کی ایک کاپی نگرانی کے دوران محفوظ کی جاتی ہے۔ اگر آپ اس کاپی کو اسٹور نہیں کرنا چاہتے ہیں، تو آپ نگرانی روک سکتے ہیں۔
• شور - اگر آپ پیشین گوئی کرنے والے کے ساتھ تجربہ کر رہے ہیں اور اپنے پیشین گوئی کرنے والے مانیٹر کے نتائج میں شور نہیں دیکھنا چاہتے ہیں، تو آپ پیشین گوئی کرنے والے کی نگرانی کو عارضی طور پر روک سکتے ہیں اور جب آپ کا پیشین گو دوبارہ مستحکم ہو جائے گا تو اسے دوبارہ شروع کر سکتے ہیں۔

پیشن گوئی کی نگرانی کو روکنے کے لیے، درج ذیل اقدامات مکمل کریں:

1. پر تشریف لے جائیں باخبر رہنا ایک پیش گو کے لیے ٹیب جہاں نگرانی فعال ہے۔
2. میں سے انتخاب کریں مانیٹر کو روکیں۔ پیش گو کی نگرانی کو روکنے کے لیے۔
   
3. اشارہ کرنے پر اپنی پسند کی تصدیق کریں۔
   

اگلے صفحہ پر ایک پیغام ظاہر ہوتا ہے جس سے یہ ظاہر ہوتا ہے کہ پیشین گوئی کرنے والے کی نگرانی روک دی گئی ہے۔

آپ انتخاب کر کے پیشن گوئی کی نگرانی کو دوبارہ شروع کر سکتے ہیں۔ مانیٹر دوبارہ شروع کریں۔.

نتیجہ

وقت کے ساتھ ساتھ اپنے پیش گوئوں کے معیار کی نگرانی کرنا آپ کی مانگ کی منصوبہ بندی اور پیشین گوئی کے مقاصد، اور بالآخر آپ کے کاروباری اہداف کو حاصل کرنے کے لیے اہم ہے۔ تاہم، پیشن گوئی کی نگرانی ایک وقت گزارنے والی مشق ہو سکتی ہے، اور ضروری کام کے بہاؤ کو قائم رکھنے اور برقرار رکھنے کے لیے درکار عمل زیادہ آپریشنل اخراجات کا باعث بن سکتے ہیں۔

پیشن گوئی اب آپ کے پیش گوئوں کے معیار کو خود بخود ٹریک کر سکتی ہے، جو آپ کو آپریشنل کوششوں کو کم کرنے کی اجازت دیتی ہے، جبکہ آپ کو اپنے پیش گوئوں کو رکھنے، دوبارہ تربیت دینے، یا دوبارہ تعمیر کرنے کے بارے میں مزید باخبر فیصلے کرنے میں مدد ملتی ہے۔ پیشن گوئی کی نگرانی کو فعال کرنے کے لیے، آپ اس پوسٹ میں بیان کردہ مراحل پر عمل کر سکتے ہیں، یا ہماری GitHub نوٹ بک کی پیروی کر سکتے ہیں۔

براہ کرم نوٹ کریں کہ پیشن گوئی کی نگرانی صرف اس کے ساتھ دستیاب ہے۔ AutoPredictor. مزید معلومات کے لیے رجوع کریں۔ نیا Amazon Forecast API جو 40% تک زیادہ درست پیشین گوئیاں بناتا ہے اور وضاحت کی اہلیت فراہم کرتا ہے اور تخلیق آٹو پریڈیکٹر.

مزید جاننے کے لیے رجوع کریں۔ پیشن گوئی کی نگرانی. ہم اس کا جائزہ لینے کی بھی سفارش کرتے ہیں۔ قیمتوں کا تعین ان نئی خصوصیات کو استعمال کرنے کے لیے۔ یہ تمام نئی صلاحیتیں ان تمام خطوں میں دستیاب ہیں جہاں پر پیشن گوئی عوامی طور پر دستیاب ہے۔ علاقے کی دستیابی کے بارے میں مزید معلومات کے لیے، دیکھیں AWS علاقائی خدمات.

---

مصنفین کے بارے میں

ڈین سنریچ Amazon Forecast کے لیے ایک سینئر پروڈکٹ مینیجر ہے۔ اس کی توجہ کم کوڈ/نو کوڈ مشین لرننگ کو جمہوری بنانے اور کاروباری نتائج کو بہتر بنانے کے لیے لاگو کرنے پر مرکوز ہے۔ کام سے باہر وہ ہاکی کھیلتے ہوئے، اپنی ٹینس سرو کو بہتر بنانے کی کوشش کرتے ہوئے، اور سائنس فکشن پڑھتے ہوئے پایا جا سکتا ہے۔

 آدرش سنگھ Amazon Forecast ٹیم میں سافٹ ویئر ڈویلپمنٹ انجینئر کے طور پر کام کرتا ہے۔ اپنے موجودہ کردار میں، وہ انجینئرنگ کے مسائل اور توسیع پذیر تقسیم شدہ نظاموں کی تعمیر پر توجہ مرکوز کرتا ہے جو اختتامی صارفین کو سب سے زیادہ اہمیت فراہم کرتے ہیں۔ اپنے فارغ وقت میں، وہ موبائل فون دیکھنے اور ویڈیو گیمز کھیلنے سے لطف اندوز ہوتا ہے۔

شینن کلنگس ورتھ Amazon Forecast کے لیے UX ڈیزائنر ہے۔ اس کا موجودہ کام کنسول کے تجربات تخلیق کر رہا ہے جو ہر کسی کے لیے قابل استعمال ہے، اور کنسول کے تجربے میں نئی ​​خصوصیات کو ضم کرنا ہے۔ اپنے فارغ وقت میں، وہ فٹنس اور آٹوموبائل کے شوقین ہیں۔

• سکے سمارٹ۔ یورپ کا بہترین بٹ کوائن اور کرپٹو ایکسچینج۔
• پلیٹو بلاک چین۔ Web3 Metaverse انٹیلی جنس۔ علم میں اضافہ۔ مفت رسائی۔
• کرپٹو ہاک۔ Altcoin ریڈار. مفت جانچ.
• ماخذ: https://aws.amazon.com/blogs/machine-learning/continuously-monitor-predictor-accuracy-with-amazon-forecast/