Chúng tôi vui mừng thông báo rằng Canvas SageMaker của Amazon hiện cung cấp một cách nhanh hơn và thân thiện hơn với người dùng để tạo các mô hình học máy để dự báo chuỗi thời gian. SageMaker Canvas là dịch vụ trỏ và nhấp trực quan cho phép các nhà phân tích kinh doanh tạo ra các mô hình học máy (ML) chính xác mà không yêu cầu bất kỳ trải nghiệm học máy nào hoặc phải viết một dòng mã.
SageMaker Canvas hỗ trợ một số trường hợp sử dụng, bao gồm dự báo chuỗi thời gian dùng để quản lý hàng tồn kho trong bán lẻ, lập kế hoạch nhu cầu trong sản xuất, lập kế hoạch lực lượng lao động và khách hàng trong ngành du lịch và khách sạn, dự đoán doanh thu trong tài chính và nhiều quyết định quan trọng khác trong kinh doanh khi có tính chất quan trọng cao dự báo chính xác là rất quan trọng. Ví dụ: dự báo chuỗi thời gian cho phép các nhà bán lẻ dự đoán nhu cầu bán hàng trong tương lai và lập kế hoạch cho mức tồn kho, hậu cần và chiến dịch tiếp thị. Các mô hình dự báo chuỗi thời gian trong SageMaker Canvas sử dụng các công nghệ tiên tiến để kết hợp thuật toán thống kê và học máy, đồng thời đưa ra dự báo có độ chính xác cao.
Trong bài đăng này, chúng tôi mô tả các cải tiến đối với khả năng dự báo của SageMaker Canvas và hướng dẫn bạn cách sử dụng giao diện người dùng (UI) và AutoML của nó API cho việc dự báo chuỗi thời gian. Mặc dù giao diện người dùng SageMaker Canvas cung cấp giao diện trực quan không cần mã, nhưng các API trao quyền cho nhà phát triển tương tác với các tính năng này theo chương trình. Cả hai đều có thể được truy cập từ Bảng điều khiển SageMaker.
Những cải tiến trong trải nghiệm dự báo
Với sự ra mắt ngày hôm nay, SageMaker Canvas đã nâng cấp khả năng dự báo bằng AutoML, mang lại hiệu suất xây dựng mô hình nhanh hơn tới 50% và dự đoán trung bình nhanh hơn tới 45% so với các phiên bản trước trên nhiều tập dữ liệu điểm chuẩn khác nhau. Điều này giúp giảm thời gian đào tạo mô hình trung bình từ 186 xuống 73 phút và thời gian dự đoán trung bình từ 33 xuống 18 phút cho một chuỗi thời gian 750 điển hình với kích thước dữ liệu lên tới 100 MB. Giờ đây, người dùng cũng có thể truy cập các chức năng dự đoán và xây dựng mô hình theo chương trình thông qua Amazon SageMaker Autopilot API, đi kèm với khả năng giải thích mô hình và báo cáo hiệu suất.
Trước đây, việc giới thiệu dữ liệu gia tăng yêu cầu phải đào tạo lại toàn bộ mô hình, việc này tốn thời gian và gây ra sự chậm trễ trong vận hành. Giờ đây, trong SageMaker Canvas, bạn có thể thêm dữ liệu gần đây để tạo dự báo trong tương lai mà không cần đào tạo lại toàn bộ mô hình. Chỉ cần nhập dữ liệu gia tăng vào mô hình của bạn để sử dụng thông tin chi tiết mới nhất cho các dự báo sắp tới. Việc loại bỏ việc đào tạo lại sẽ đẩy nhanh quá trình dự báo, cho phép bạn áp dụng những kết quả đó vào quy trình kinh doanh của mình nhanh hơn.
Với SageMaker Canvas hiện đang sử dụng AutoML để dự báo, bạn có thể khai thác các chức năng dự đoán và xây dựng mô hình thông qua API SageMaker Autopilot, đảm bảo tính nhất quán trên giao diện người dùng và API. Ví dụ: bạn có thể bắt đầu bằng việc xây dựng mô hình trong giao diện người dùng, sau đó chuyển sang sử dụng API để tạo dự đoán. Cách tiếp cận mô hình cập nhật này cũng tăng cường tính minh bạch của mô hình theo một số cách:
- Người dùng có thể truy cập báo cáo có thể giải thích để cung cấp thông tin chi tiết rõ ràng hơn về các yếu tố ảnh hưởng đến dự đoán. Điều này có giá trị đối với các nhóm quản lý rủi ro, tuân thủ và cơ quan quản lý bên ngoài. Báo cáo làm sáng tỏ mức độ ảnh hưởng của các thuộc tính tập dữ liệu đến dự báo chuỗi thời gian cụ thể. Nó sử dụng điểm tác động để đo lường tác động tương đối của từng thuộc tính, cho biết chúng tăng hay giảm giá trị dự báo.
- Giờ đây, bạn có thể truy cập các mô hình đã đào tạo và triển khai chúng vào SageMaker Inference hoặc cơ sở hạ tầng ưa thích của bạn để dự đoán.
- Báo cáo hiệu suất có sẵn, cung cấp thông tin chuyên sâu hơn về các mô hình tối ưu được AutoML chọn cho chuỗi thời gian cụ thể và các siêu tham số được sử dụng trong quá trình đào tạo.
Tạo dự báo chuỗi thời gian bằng giao diện người dùng SageMaker Canvas
Giao diện người dùng SageMaker Canvas cho phép bạn tích hợp liền mạch các nguồn dữ liệu từ đám mây hoặc tại chỗ, hợp nhất các tập dữ liệu một cách dễ dàng, đào tạo các mô hình chính xác và đưa ra dự đoán với dữ liệu mới nổi—tất cả đều không cần mã hóa. Hãy cùng khám phá việc tạo dự báo chuỗi thời gian bằng giao diện người dùng này.
Trước tiên, bạn nhập dữ liệu vào SageMaker Canvas từ nhiều nguồn khác nhau, bao gồm từ các tệp cục bộ từ máy tính của bạn, Dịch vụ lưu trữ đơn giản của Amazon (Amazon S3) xô, amazon Athena, Snowflakevà hơn 40 nguồn dữ liệu khác. Sau khi nhập dữ liệu, bạn có thể khám phá và trực quan hóa dữ liệu đó để có thêm thông tin chi tiết, chẳng hạn như với biểu đồ phân tán hoặc biểu đồ thanh. Sau khi sẵn sàng tạo mô hình, bạn có thể thực hiện việc đó chỉ bằng vài cú nhấp chuột sau khi định cấu hình các tham số cần thiết, chẳng hạn như chọn cột mục tiêu để dự báo và chỉ định số ngày trong tương lai mà bạn muốn dự báo. Các ảnh chụp màn hình sau đây minh họa ví dụ về dự đoán nhu cầu sản phẩm dựa trên dữ liệu lịch sử về nhu cầu hàng tuần đối với các sản phẩm cụ thể ở các vị trí cửa hàng khác nhau:
Hình ảnh sau đây hiển thị dự báo hàng tuần cho một sản phẩm cụ thể ở các vị trí cửa hàng khác nhau:
Để có hướng dẫn toàn diện về cách sử dụng giao diện người dùng SageMaker Canvas cho dự báo, hãy xem phần này blog đăng bài.
Nếu bạn cần quy trình làm việc tự động hoặc tích hợp mô hình ML trực tiếp vào ứng dụng, bạn có thể truy cập các chức năng dự báo của chúng tôi thông qua API. Trong phần sau, chúng tôi cung cấp một giải pháp mẫu nêu chi tiết cách sử dụng API để dự báo tự động.
Tạo dự báo chuỗi thời gian bằng API
Hãy cùng tìm hiểu cách sử dụng API để huấn luyện mô hình và tạo dự đoán. Để minh họa điều này, hãy xem xét tình huống trong đó một công ty cần dự đoán mức tồn kho sản phẩm tại các cửa hàng khác nhau để đáp ứng nhu cầu của khách hàng. Ở cấp độ cao, các tương tác API được chia thành các bước sau:
- Chuẩn bị tập dữ liệu.
- Tạo công việc SageMaker Autopilot.
- Đánh giá công việc Autopilot:
- Khám phá các số liệu về độ chính xác của mô hình và kết quả kiểm tra ngược.
- Khám phá báo cáo khả năng giải thích mô hình.
- Tạo dự đoán từ mô hình:
- Sử dụng suy luận thời gian thực điểm cuối được tạo như một phần của công việc Autopilot; hoặc
- Sử dụng biến đổi hàng loạt công việc.
Sổ ghi chép mẫu của Amazon SageMaker Studio trình bày dự báo bằng API
Chúng tôi đã cung cấp sổ ghi chép SageMaker Studio mẫu trên GitHub để giúp đẩy nhanh thời gian tiếp thị khi doanh nghiệp của bạn muốn sắp xếp dự báo thông qua các API có lập trình. Sổ ghi chép này cung cấp một tập dữ liệu tổng hợp mẫu có sẵn thông qua bộ chứa S3 công khai. Sổ tay sẽ hướng dẫn bạn tất cả các bước được nêu trong hình ảnh quy trình làm việc được đề cập ở trên. Mặc dù sổ ghi chép cung cấp khung cơ bản nhưng bạn có thể điều chỉnh mẫu mã để phù hợp với trường hợp sử dụng cụ thể của mình. Điều này bao gồm sửa đổi nó để phù hợp với lược đồ dữ liệu duy nhất, độ phân giải thời gian, khoảng thời gian dự báo và các thông số cần thiết khác để đạt được kết quả mong muốn của bạn.
Kết luận
SageMaker Canvas dân chủ hóa việc dự báo chuỗi thời gian bằng cách cung cấp trải nghiệm thân thiện với người dùng, không cần mã, giúp các nhà phân tích kinh doanh tạo ra các mô hình học máy có độ chính xác cao. Với các bản nâng cấp AutoML ngày nay, nó mang lại khả năng xây dựng mô hình nhanh hơn tới 50%, dự đoán nhanh hơn tới 45% và cung cấp quyền truy cập API cho cả chức năng dự đoán và xây dựng mô hình, nâng cao tính minh bạch và nhất quán của mô hình. Khả năng độc đáo của SageMaker Canvas để xử lý liền mạch dữ liệu gia tăng mà không cần đào tạo lại, đảm bảo khả năng thích ứng nhanh chóng với nhu cầu kinh doanh luôn thay đổi.
Cho dù bạn thích giao diện người dùng trực quan hay API linh hoạt, SageMaker Canvas đều đơn giản hóa việc tích hợp dữ liệu, đào tạo mô hình và dự đoán, biến nó thành công cụ then chốt để ra quyết định và đổi mới dựa trên dữ liệu trong các ngành.
Để tìm hiểu thêm, hãy xem lại tài liệu hướng dẫnhoặc khám phá máy tính xách tay có sẵn trong kho GitHub của chúng tôi. Thông tin về giá để dự báo chuỗi thời gian bằng SageMaker Canvas có sẵn trên Giá canvas SageMaker trang và để biết thông tin về đào tạo và suy luận của SageMaker khi sử dụng API SageMaker Autopilot, vui lòng xem Giá SageMaker .
Những khả năng này có sẵn ở tất cả các Khu vực AWS nơi SageMaker Canvas và SageMaker Autopilot có thể truy cập công khai. Để biết thêm thông tin về tính khả dụng của Khu vực, hãy xem Dịch vụ AWS theo khu vực.
Về các tác giả
Nirmal Kumar là Giám đốc sản phẩm cấp cao của dịch vụ Amazon SageMaker. Cam kết mở rộng quyền truy cập vào AI/ML, ông chỉ đạo phát triển các giải pháp ML không mã và mã thấp. Ngoài công việc, anh ấy thích đi du lịch và đọc sách phi hư cấu.
Charles Laughlin là Kiến trúc sư giải pháp chuyên gia AI/ML chính, người làm việc trong nhóm dịch vụ Amazon SageMaker tại AWS. Anh giúp định hình lộ trình dịch vụ và cộng tác hàng ngày với nhiều khách hàng AWS khác nhau để giúp chuyển đổi hoạt động kinh doanh của họ bằng cách sử dụng các công nghệ AWS tiên tiến và tư duy lãnh đạo. Charles có bằng Thạc sĩ Quản lý Chuỗi Cung ứng và bằng Tiến sĩ. trong Khoa học dữ liệu.
Ridhim Rastogi một Kỹ sư phát triển phần mềm làm việc trong nhóm dịch vụ Amazon SageMaker tại AWS. Anh ấy đam mê xây dựng các hệ thống phân tán có thể mở rộng với trọng tâm là giải quyết các vấn đề trong thế giới thực thông qua AI/ML. Khi rảnh rỗi, anh ấy thích giải câu đố, đọc tiểu thuyết và khám phá môi trường xung quanh.
Ahmed Raafat là Kiến trúc sư giải pháp chính tại AWS, với 20 năm kinh nghiệm thực tế và chuyên tâm trong 5 năm trong hệ sinh thái AWS. Anh ấy chuyên về các giải pháp AI/ML. Kinh nghiệm sâu rộng của anh trải rộng trên nhiều ngành dọc khác nhau, giúp anh trở thành cố vấn đáng tin cậy cho nhiều khách hàng doanh nghiệp, tạo điều kiện thuận lợi cho việc điều hướng liền mạch và tăng tốc hành trình đám mây của họ.
John Oshodi là Kiến trúc sư giải pháp cấp cao tại Amazon Web Services có trụ sở tại London, Vương quốc Anh. Ông chuyên về dữ liệu và phân tích, đồng thời đóng vai trò cố vấn kỹ thuật cho nhiều khách hàng doanh nghiệp AWS, hỗ trợ và đẩy nhanh hành trình đám mây của họ. Ngoài công việc, anh thích đi du lịch đến những địa điểm mới và trải nghiệm những nền văn hóa mới cùng gia đình.
- Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
- PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
- PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
- Trung tâmESG. Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
- PlatoSức khỏe. Tình báo thử nghiệm lâm sàng và công nghệ sinh học. Truy cập Tại đây.
- nguồn: 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/
- : có
- :là
- :Ở đâu
- $ LÊN
- 100
- 20
- 20 năm
- 33
- 40
- 50
- 7
- a
- có khả năng
- Giới thiệu
- ở trên
- đẩy nhanh tiến độ
- tăng tốc
- tăng tốc
- truy cập
- truy cập
- có thể truy cập
- chính xác
- chính xác
- Đạt được
- ngang qua
- thích ứng
- thêm vào
- thêm vào
- tiên tiến
- cố vấn
- Sau
- AI / ML
- thuật toán
- Tất cả
- Cho phép
- cho phép
- Ngoài ra
- đàn bà gan dạ
- Amazon SageMaker
- Canvas SageMaker của Amazon
- Xưởng sản xuất Amazon SageMaker
- Amazon Web Services
- khoa trương
- an
- Các nhà phân tích
- phân tích
- và
- Thông báo
- bất kì
- api
- Truy cập API
- API
- Đăng Nhập
- phương pháp tiếp cận
- ứng dụng
- LÀ
- AS
- At
- thuộc tính
- Tự động
- Tự động
- sẵn có
- có sẵn
- Trung bình cộng
- AWS
- Kiểm tra ngược
- thanh
- dựa
- cơ bản
- BE
- điểm chuẩn
- cả hai
- Nghỉ giải lao
- Xây dựng
- xây dựng mô hình
- kinh doanh
- các doanh nghiệp
- by
- Chiến dịch
- CAN
- vải
- khả năng
- trường hợp
- trường hợp
- gây ra
- chuỗi
- Charles
- Bảng xếp hạng
- kiểm tra
- lựa chọn
- rõ ràng hơn
- đám mây
- mã
- không có mã
- Lập trình
- Cột
- kết hợp
- Đến
- cam kết
- công ty
- so
- tuân thủ
- toàn diện
- máy tính
- Hãy xem xét
- xây dựng
- tạo
- tạo ra
- khách hàng
- khách hàng
- tiên tiến
- tiền thưởng
- dữ liệu
- khoa học dữ liệu
- hướng dữ liệu
- bộ dữ liệu
- Ngày
- Ra quyết định
- quyết định
- dành riêng
- sâu sắc hơn
- sự chậm trễ
- cung cấp
- phân phối
- cung cấp
- Nhu cầu
- nhu cầu
- dân chủ hóa
- triển khai
- mô tả
- mong muốn
- Chi tiết
- phát triển
- Phát triển
- khác nhau
- trực tiếp
- phân phối
- hệ thống phân phối
- bổ nhào
- khác nhau
- do
- xuống
- thời gian
- suốt trong
- mỗi
- hệ sinh thái
- hiệu lực
- dễ dàng
- loại bỏ
- mới nổi
- sử dụng
- trao quyền
- trao quyền
- cho phép
- Điểm cuối
- ky sư
- cải tiến
- Nâng cao
- tăng cường
- đảm bảo
- đảm bảo
- Doanh nghiệp
- Toàn bộ
- luôn thay đổi
- ví dụ
- kích thích
- kinh nghiệm
- trải qua
- khám phá
- kéo dài
- mở rộng
- Trải nghiệm sâu sắc
- ngoài
- tạo điều kiện
- các yếu tố
- gia đình
- nhanh hơn
- Tính năng
- vài
- Tiểu thuyết
- lĩnh vực
- Các tập tin
- tài chính
- phù hợp với
- Tập trung
- tiếp theo
- Trong
- Dự báo
- dự báo
- Khung
- từ
- chức năng
- tương lai
- tạo ra
- tạo ra
- được
- GitHub
- cấp
- Khách
- hướng dẫn
- Hướng dẫn
- xử lý
- khai thác
- có
- he
- giúp đỡ
- giúp
- Cao
- cao
- anh ta
- của mình
- lịch sử
- giữ
- chân trời
- hiếu khách
- Độ đáng tin của
- Hướng dẫn
- HTML
- http
- HTTPS
- hình ảnh
- nhập khẩu
- quan trọng
- nhập khẩu
- in
- bao gồm
- Bao gồm
- các ngành công nghiệp
- ngành công nghiệp
- ảnh hưởng
- ảnh hưởng
- thông tin
- Cơ sở hạ tầng
- sự đổi mới
- đầu vào
- những hiểu biết
- tích hợp
- hội nhập
- tương tác
- tương tác
- Giao thức
- trong
- Giới thiệu
- giới thiệu
- trực quan
- hàng tồn kho
- Quản lý kho
- IT
- ITS
- Việc làm
- cuộc hành trình
- jpg
- chỉ
- mới nhất
- phóng
- Lãnh đạo
- LEARN
- học tập
- cho phép
- Cấp
- niveaux
- Lượt thích
- Dòng
- địa phương
- . Các địa điểm
- hậu cần
- London
- máy
- học máy
- làm cho
- Làm
- quản lý
- giám đốc
- sản xuất
- nhiều
- Marketing
- Trận đấu
- đo
- Gặp gỡ
- đề cập
- đi
- Metrics
- Phút
- ML
- kiểu mẫu
- người mẫu
- mô hình
- chi tiết
- THÔNG TIN
- cần thiết
- Cần
- nhu cầu
- Mới
- máy tính xách tay
- tại
- con số
- nhiều
- of
- cung cấp
- Cung cấp
- on
- hoạt động
- tối ưu
- or
- Nền tảng khác
- vfoXNUMXfipXNUMXhfpiXNUMXufhpiXNUMXuf
- ra
- nêu
- bên ngoài
- trang
- thông số
- một phần
- đam mê
- phần trăm
- hiệu suất
- quan trọng
- Nơi
- kế hoạch
- lập kế hoạch
- plato
- Thông tin dữ liệu Plato
- PlatoDữ liệu
- xin vui lòng
- Bài đăng
- cần
- dự đoán
- dự đoán
- dự đoán
- Dự đoán
- thích hơn
- ưa thích
- trước
- giá
- Hiệu trưởng
- vấn đề
- quá trình
- Quy trình
- Sản phẩm
- giám đốc sản xuất
- Sản phẩm
- lập trình
- cho
- cung cấp
- cung cấp
- công khai
- công khai
- Câu đố
- nhanh hơn
- Mau
- Đọc
- Reading
- sẵn sàng
- thế giới thực
- gần đây
- giảm
- làm giảm
- khu
- vùng
- Điều phối
- tương đối
- vẽ
- báo cáo
- Báo cáo
- kho
- cần phải
- Kết quả
- bán lẻ
- các nhà bán lẻ
- doanh thu
- xem xét
- Nguy cơ
- lộ trình
- s
- nhà làm hiền triết
- Suy luận của SageMaker
- bán hàng
- khả năng mở rộng
- Khoa học
- ảnh chụp màn hình
- liền mạch
- liền mạch
- Phần
- xem
- lựa chọn
- cao cấp
- Loạt Sách
- phục vụ
- dịch vụ
- DỊCH VỤ
- một số
- Hình dạng
- hiển thị
- giới th
- Chương trình
- Đơn giản
- duy nhất
- tình hình
- Kích thước máy
- Phần mềm
- phát triển phần mềm
- giải pháp
- Giải pháp
- động SOLVE
- Giải quyết
- nguồn
- chuyên gia
- chuyên
- riêng
- tốc độ
- Bắt đầu
- thống kê
- Các bước
- cổ phần
- là gắn
- hàng
- cửa hàng
- phòng thu
- như vậy
- cung cấp
- chuỗi cung ứng
- quản lý chuỗi cung ứng
- Hỗ trợ
- Hỗ trợ
- SWIFT
- Công tắc điện
- sợi tổng hợp
- hệ thống
- Mục tiêu
- nhóm
- đội
- Kỹ thuật
- Công nghệ
- việc này
- Sản phẩm
- Tương lai
- cung cấp their dịch
- Them
- sau đó
- Kia là
- họ
- điều này
- những
- nghĩ
- tư duy lãnh đạo
- Thông qua
- thời gian
- Chuỗi thời gian
- mất thời gian
- đến
- hôm nay
- công cụ
- Train
- đào tạo
- Hội thảo
- Chuyển đổi
- Minh bạch
- đi du lịch
- đáng tin cậy
- điển hình
- ui
- Uk
- độc đáo
- sắp tới
- cập nhật
- nâng cấp
- nâng cấp
- sử dụng
- ca sử dụng
- đã sử dụng
- người sử dang
- Giao diện người dùng
- sử dụng
- Người sử dụng
- sử dụng
- Quý báu
- Các giá trị
- khác nhau
- linh hoạt
- phiên bản
- ngành dọc
- hình dung
- hình dung
- muốn
- là
- Đường..
- cách
- we
- web
- các dịch vụ web
- hàng tuần
- khi nào
- liệu
- cái nào
- trong khi
- CHÚNG TÔI LÀ
- với
- ở trong
- không có
- Công việc
- quy trình làm việc
- Lực lượng lao động
- công trinh
- viết
- năm
- Bạn
- trên màn hình
- zephyrnet