AWS現在正式推出應用深度學習技術,由雲端完全託管的時間序列預測服務Amazon Forecast,讓使用者不需要擁有機器學習經驗,只要上傳歷史時間序列資料以及其他相關資料,Amazon Forecast就能夠自動處理資料,並挑選最適合的演算法來訓練模型,並為用戶提供高精確度的時間序列預測結果。

時序預測用來預測與時間相關的資料未來值,像是每周銷售額、每日庫存或是每小時網站流量等,AWS提到,企業會使用簡單的試算表甚至是複雜的財務規畫軟體,透過歷史時間序列資料以產生預測結果,像是以過去的雨衣銷售資料,預測未來的雨衣銷售狀況,但是這樣方法的缺點,是難以為多組不規則的資料,產生精準的預測,也無法簡單地將時間序列資料和獨立變數結合,像是將價格、折扣和網路流量等資料,與產品特徵或是商店位置等資訊相關聯。

而Amazon Forecast應用深度學習技術,能將網頁流量和銷售額等歷史時間序列資料,結合假日、促銷活動等獨立變數資料,為使用者提供精確的時間序列預測。這是Amazon應用自家在零售、供應鏈和伺服器容量等時間預測經驗,所發展出可擴展且高精確度時間序列預測服務,用戶可用於各種領域的時序預測,包括資訊服務運作、商業營運、貨物或是服務的庫存,以及零售促銷等活動。

Amazon Forecast可同時使用深度神經網路以及傳統的統計方法,提供高精確的預測。Amazon Forecast會自動從用戶提供的資料中學習,並選擇最適合的演算法來訓練模型,AWS提到,當用戶有許多時間序列資料,則使用深度學習演算法,會比傳統統計指數平滑法還要精準。

這整個預測工作流程從資料上傳/處理、模型訓練、資料集更新以及預測,都是自動化進行,開發者可以選擇使用Amazon Forecast API、命令列工具或是控制臺,將訓練資料集導入到Amazon Forecast中,進行後續模型訓練以及部署工作。

企業能夠使用API,將預測功能整合到系統中,以取得預測結果,也可以從控制臺查詢以及視覺化不同精細度的時間序列預測,並且查看預測程式(Predictor)精確度指標,或是批次輸出CSV檔案,再將資料上傳到下游系統。

熱門新聞

Advertisement