$30 off During Our Annual Pro Sale. View Details »

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

SIN
November 21, 2022

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

Forecastの簡単な使用方法や、機械学習にかかるAWS利用費の概算など、初めての取り組む場合のハードルを下げれるような内容を紹介させて頂きたいと思います。

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

SIN

November 21, 2022
Tweet

Other Decks in Technology

Transcript

  1. 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 2022/11/21 CX事業本部 SIN(平内真⼀)

  2. ⾃⼰紹介 平内真⼀(SIN) クラスメソッド(株)CX事業本部 Iot 関連のサーバーサイドエンジニア

  3. 本セッションでは Forecastの簡単な使⽤⽅法や、機械学習にかかるAWS利 ⽤費の概算など、初めての取り組む場合のハードルを下げ れるような内容を紹介させて頂きたいと思います。

  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

  6. Amazon Forecast とは 機械学習の経験なしで、Amazon.comと同じテ クノロジーを使⽤して、正確な時系列予測を実 現するフルマネージドサービス

  7. 時系列予測 販売数 時間 販売推移 Forecastで予測

  8. 時系列予測 販売数 時間 販売推移 ⼈⼒でも予測できるけど * ⾃動化できない * 影響要因が複雑な場合、⽐較的難しい 季節性、祝祭⽇、価格、商品の⾊、

    プロモーションなど
  9. 時系列予測 販売数 時間 販売推移 なぜ予測する * 過剰な⾒積は、無駄なコスト * 過⼩な⾒積は、機会損失

  10. 予測と実績の⽐較 https://dev.classmethod.jp/articles/forecast-compare-prediction-and-achievements/

  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

  13. Amazon Forecast データ Data group 予測⼦ Predictor 予測 Forecast 洞察

    Insight
  14. データグループ データ Data group 予測⼦ Predictor 予測 Forecast 洞察 Insight

  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
  18. Predictor データ Data group 予測⼦ Predictor 予測 Forecast 洞察 Insight

  19. トレーニング 周期 分位数 期間(ポイント数

  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 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
  21. Forecast データ Data group 予測⼦ Predictor 予測 Forecast 洞察 Insight

  22. 予測 item 分位数

  23. Insight データ Data group 予測⼦ Predictor 予測 Forecast 洞察 Insight

  24. Insight データセット内の属性が特定の時系列の予測にどのように影響したか

  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

  26. コスト計算の勘所 ⼀般的に、機械学習でお⾦がかかるのは、分か るが、Forecastの効果がハッキリしないうちに ⼤きなコストが発⽣するのは、できるでば避け たい

  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 ˈ ˈ ˈ ˈ
  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 ˈ ˈ ˈ ˈ ˈ ˈ ˈ ˈ ˈ ˈ dataset training forecast insight
  30. 料⾦表 ˈ ˈ ˈ ˈ ˈ ˈ dataset training forecast

    insight 課⾦時間は、表⽰時間を上回る
  31. 料⾦表 ˈ ˈ ˈ ˈ ˈ ˈ 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 ˈ ˈ ˈ ˈ ˈ ˈ 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

  35. None