Pasos a seguir a continuación

Antes de implementar esta solución de previsión de la demanda AWS, se recomienda que evalúe el problema que intenta resolver. Es una buena idea reunir a los propietarios de empresas y a los científicos de datos para intercambiar ideas sobre si el problema se puede resolver con un modelo de aprendizaje automático. Es fundamental comprender los conjuntos de datos de los que dispone y la longitud de los datos históricos disponibles. También es importante que los propietarios de las empresas colaboren con los científicos de datos para proporcionarles conocimientos sobre el dominio, identificar funciones útiles y ayudar a crear esas funciones. La confiabilidad del modelo aumenta con la cantidad de características relevantes que se pueden crear, lo que proporciona una previsión más precisa.

Para construir esta arquitectura AWS, comience por configurar Cuenta de AWS y aprovisionar los servicios necesarios, como Amazon Simple Storage Service (Amazon S3) para el almacenamiento de datos y SageMaker Amazon AI para el entrenamiento de modelos de aprendizaje automático. A continuación, identifique y recopile las fuentes de datos internas y externas que se utilizarán como funciones de entrada para el modelo de previsión. Almacene estos datos en Amazon S3 y utilice las capacidades de procesamiento de datos de la SageMaker IA para preprocesar y preparar los datos para el entrenamiento del modelo. En el SageMaker caso de la IA, utilice el ajuste automático de los modelos y las capacidades de entrenamiento distribuido para entrenar y optimizar los modelos de previsión. También puede utilizarlas Servicios de AWS , por ejemplo, AWS Lambda para configurar una canalización que rediseñe periódicamente los modelos de previsión con los datos más recientes. AWS Step Functions Tras volver a capacitarse, inicie un trabajo de transformación por lotes en SageMaker IA para generar los resultados de las previsiones, que almacenará en Amazon S3. Usa Amazon QuickSight para visualizar y monitorear los resultados de previsión generados por el trabajo de transformación por lotes.