Conceitos básicos

Para começar a usar o Amazon Forecast, faça o seguinte.

• Crie um conjunto de dados do Forecast e importe os dados de treinamento.

• Crie um preditor do Forecast, que você usará para gerar previsões com base em seus dados de séries temporais. O Forecast aplica a combinação ideal de algoritmos a cada série temporal nos conjuntos de dados.

• Gere uma previsão.

Neste exercício, você usa uma versão modificada de um conjunto de dados de uso de eletricidade disponível publicamente para treinar os preditores. Para obter mais informações, consulte ElectricityLoadDiagrams20112014 Data Set. As linhas de exemplo a seguir são exemplos do conjunto de dados:

2014-01-01 01:00:00,   2.53807106598985, client_0
2014-01-01 01:00:00, 23.648648648648624, client_1
2014-01-01 02:00:00,  9.648648648612345, client_0 

Para este exercício, você usa o conjunto de dados para treinar um previsor e prever o uso de eletricidade por hora do cliente.

Você pode usar o console do Forecast ou a AWS Command Line Interface (AWS CLI) neste exercício. Preste atenção às regiões padrão do console do Amazon Forecast, da AWS CLI e dos SDKs do Amazon Forecast, pois os recursos do Amazon Forecast não são compartilhados entre as regiões.

Importante

Antes de começar, verifique se você tem uma Conta da AWS e se instalou a AWS CLI. Para obter mais informações, consulte Configuração. Recomendamos rever Como funciona o Amazon Forecast.

Tópicos

• Preparar dados de entrada
• Conceitos básicos (console)
• Conceitos básicos (AWS CLI)
• Conceitos básicos (cadernos Python)
• Liberação de recursos

Preparar dados de entrada

Independentemente de usar o console do Amazon Forecast ou a AWS Command Line Interface (AWS CLI) para configurar um projeto de previsão, você precisa configurar os dados de entrada. Para preparar os dados, você faz o seguinte:

• Faça download dos dados de treinamento em seu computador e faça upload dos mesmos em um bucket do Amazon Simple Storage Service (Amazon S3) na sua Conta da AWS. Para importar os dados para um conjunto de dados do Amazon Forecast, você deve armazená-los em um bucket do Amazon S3.

• Crie um perfil do AWS Identity and Access Management (IAM). Você concede permissão ao Amazon Forecast para acessar o bucket do S3 com o perfil do IAM. Para obter mais informações sobre funções do IAM, consulte Funções do IAM no Guia do usuário do IAM.

Para preparar os dados de treinamento.

1. Faça download do arquivo zip, electricityusagedata.zip.

   Neste exercício, você usa uma versão modificada do conjunto de dados de consumo individual de energia elétrica em casa. (Dua, D. e Karra Taniskidou, E. (2017). UCI Machine Learning Repository [http://archive.ics.uci.edu/ml]. Irvine, CA: Universidade da Califórnia, Escola de Ciências da Informação e da Computação.) Agregamos os dados de uso por hora.

2. Descompacte o conteúdo e salve-o localmente como electricityusagedata.csv.

3. Faça upload do arquivo de dados em um bucket do S3.

   Para obter instruções passo a passo, consulte Upload de arquivos e pastas usando arrastar e soltar no Guia do usuário do Amazon Simple Storage Service.

4. Crie um perfil do IAM.

   Se você quiser usar a AWS CLI no exercício de introdução, deverá criar um perfil do IAM. Se usar o console, você poderá fazer com que ele crie a função para você. Para obter instruções detalhadas, consulte Configurar permissões para o Amazon Forecast.

Após concluir o upload dos dados para o Amazon S3, você estará pronto para usar o console do Amazon Forecast ou a AWS CLI para importar dados de treinamento, criar um preditor, gerar uma previsão e ver a previsão.

• Conceitos básicos (console)

• Conceitos básicos (AWS CLI)

Liberação de recursos

Para evitar cobranças desnecessárias, exclua os recursos que você criou depois de concluir o exercício de conceitos básicos. Para excluir os recursos, use o console do Amazon Forecast, as APIs Delete dos SDKs ou a AWS Command Line Interface (AWS CLI). Por exemplo, use a API DeleteDataset para excluir um conjunto de dados.

Para excluir um recurso, seu status deve ser ACTIVE, CREATE_FAILED ou UPDATE_FAILED. Verifique o status usando as APIs Describe, por exemplo, DescribeDataset.

Alguns recursos devem ser excluídos antes de outros, conforme mostrado na tabela a seguir. Esse processo pode levar algum tempo.

Para excluir os dados de treinamento do qual você fez upload, electricityusagedata.csv, consulte Como excluir objetos de um bucket do S3?.

Recurso a excluir	Excluir este primeiro	Observações
ForecastExportJob
Forecast		Não é possível excluir uma previsão enquanto ela está sendo exportada. Depois que uma previsão é excluída, você não poderá mais consultá-la.
Predictor	Todas as previsões associadas.
DatasetImportJob		Não pode ser excluído.
Dataset		Todos os DatasetImportJobs que têm como destino o conjunto de dados também são excluídos. Não é possível excluir um Dataset que é usado por um previsor.
DatasetSchema	Todos os conjuntos de dados que fazem referência ao esquema.
DatasetGroup	Todos os previsores associados Todas as previsões associadas. Todos os conjuntos de dados no grupo de conjuntos de dados.	Não é possível excluir um DatasetGroup que contém um Dataset usado por um previsor.