Amazon Forecast 機械学習でビジネスの予測と成果を簡単かつ正確に予測する
Download as pptx, pdf0 likes34 views
贵辞谤别肠补蝉迟の简単な使用方法や、机械学习にかかる础奥厂利用费の概算など、初めての取り组む场合のハードルを下げれるような内容を绍介させて顶きたいと思います
Amazon Forecast 機械学習でビジネスの予測と成果を簡単かつ正確に予測する
- 4. アジェンダ Amazon Forecast で何ができるのか Amazon Forecast を使ってみる コスト計算の勘所
- 5. アジェンダ Amazon Forecast で何ができるのか Amazon Forecast を使ってみる コスト計算の勘所
- 11. アジェンダ Amazon Forecast で何ができるのか Amazon Forecast を使ってみる コスト計算の勘所
- 12. Amazon Forecast
- 15. ドメイン ドメイン 説明 ERTAL 小売の需要予測 INVENTORY_PLANNING サプライチェーンとインベントリの計画 EC2 CAPACITY EC2キャパシティ予測 WORK_FORCE 従業員の計画 WEB_TRAFFIC Webトラフィック見積 MQTRICS 収益及びキャッシュフロー CUSTOM その他
- 16. データグループ * TARGET_TIME_SERIES 予測したいデータに関する過去の時系列 * RELATED_TIME_SERIES 補完的な時系列データ * ITEM_METADATA データに関連する静的なメタデータ Timestamp item value 2022/01/01 10:00:00 チョコレート 10 2022/01/01 10:00:00 ポテトチップ 1 2022/01/01 10:00:00 じゃがりこ 1 2022/01/01 10:00:00 トマト 3 2022/01/01 11:00:00 チョコレート 3 2022/01/01 11:00:00 ポテトチップ 2 2022/01/01 11:00:00 にんじん 2 2022/01/01 12:00:00 チョコレート 5 2022/01/01 12:00:00 ポテトチップ 1 2022/01/01 12:00:00 じゃがりこ 1 Timestamp weather 2022/01/01 10:00:00 晴れ 2022/01/01 11:00:00 曇り 2022/01/01 12:00:00 曇り時々雨 item type チョコレート お菓子 ポテトチップ お菓子 じゃがりこ お菓子 トマト 野菜 にんじん 野菜 ※型式はドメイン依存
- 17. 「時間間隔」と「必要な期間」 周期 分 時間 日 週 月 年 TARGET_TIME_SERIES 2022-01-01 ? 2022/11/21 RELATED_TIME_SERIES 2022-01-01 ? 2022/11/29 予測期間 2022-11-22 ? 2022/11/29 500 ステップ or TTSの1/3以下
- 20. アルゴリズム 名前 計算量 説明 ニューラルネットワーク CNN-QR 高 因果畳み込みニューラルネットワーク (CNN) を使用して時系列 を予測するための独自の機械学習アルゴリズム DeepAR+ 高 再帰型ニューラルネットワーク (RNN) を使用して時系列を予測 するための、独自の機械学習アルゴリズム ローカルアルゴリズム Prophet 中 非線形傾向が年、週次、および日常の季節性に適合する加法モデ ルに基づく時系列予測アルゴリズム ベースラインアルゴリズム ARIMA 低 自己回帰和分移動平均 (ARIMA) は、時系列予測に一般的に使用 される統計アルゴリズム NPTS 低 ノンパラメトリック時系列 (NPTS) の独自のアルゴリズムは、ス スケーラブルで確率的なベースライン予測機能 ETS 低 指数平滑法 (ETS) は、時系列予測に一般的に使用される統計アル ルゴリズム ※ AutoMLを使用すると、HPOと共に最適なものが選択される
- 22. 予測 item 分位数
- 25. アジェンダ Amazon Forecast で何ができるのか Amazon Forecast を使ってみる コスト計算の勘所
- 27. コスト計算の勘所 Getting Started / Hands on 家庭の電力消費データセット(400軒分1年分) predict (1h45min) 1時間間隔で36時間を予測 forecast (30min) 0.x + 8.4 + 1.0 + 2*43 = $95.4
- 28. 料金表 料金タイプ 料金 詳細 インポートしたデータ $0.088 / 1 GB 予測器のトレーニング $0.24 / 1時間 課金時間は、表示時間を上回る 生成された 予測データポイント $2.00 / 1,000件 予測の説明 $2.00 / 1,000件 予測データポイント × 属性 ＄ ＄ ＄ ＄
- 29. 料金表 料金タイプ 料金 詳細 インポートしたデータ $0.088 / 1 GB CPU $0.24 / 1時間 課金時間は、表示時間を上回る 予測データポイント $2.00 / 1,000件 予測の説明 $2.00 / 1,000件 予測データポイント × 属性 ＄ ＄ ＄ ＄ ＄ ＄ ＄ ＄ ＄ ＄ dataset training forecast insight
- 30. 料金表 ＄ ＄ ＄ ＄ ＄ ＄ dataset training forecast insight 課金時間は、表示時間を上回る
- 31. 料金表 ＄ ＄ ＄ ＄ ＄ ＄ dataset training forecast insight 予測データのポイント数 = Items数 × 期間 × 分位数 チョコレート ポテトチップ じゃがりこ トマト にんじん 周期(日)×期間 = 7 0.1、0.5、0,9 で3 $2.0 1,000/月 1,000/回(レガシー)
- 32. 料金表 ＄ ＄ ＄ ＄ ＄ ＄ dataset training forecast insight 予測データのポイント数 × 属性 ※ Item数指定可能） 天気 カテゴリー 祝祭日
- 33. コスト計算の勘所 Getting Started / Hands on 家庭の電力消費データセット(400軒分1年分) predict (1h45min) 1時間間隔で36時間を予測 forecast (30min) データ 学習 予測 ポイント数 0.x 8.4h 1.0h 2*43 = $95.4 36(時間) × 3(分位数) × 400(items数) = 43,200ポイント ($88)
- 34. Amazon Forecast