BLOG

Amazon Forecast – 시계열 예측이 쉬워짐
작성일: 2018-12-12

Voiced by Amazon Polly

(원문에서 다운로드받으세요)

 

미래를 예측하는 능력은 믿을 수 없는 초강대국이 될 것입니다. AWS에서 저희는 여러분에게 줄 수 없지만, 저희는 여러분이 기계 학습을 이용하여 시계열을 몇 단계로 예측하도록 도울 수 있습니다.

 

시계열 예측의 목표는 주간 판매, 일별 재고 수준 또는 시간별 웹사이트 트래픽과 같은 시간에 의존하는 데이터의 미래 가치를 예측하는 것입니다. 오늘날 기업들은 제품 수요, 자본 요구 또는 재무 성과와 같은 미래의 비즈니스 결과를 정확하게 예측하기 위해 간단한 스프레드시트부터 복잡한 재무 계획 소프트웨어까지 모든 것을 사용합니다.

 

이러한 툴은 시계열 데이터라고 하는 과거 데이터 시리즈를 살펴봄으로써 예측을 만듭니다. 예를 들어, 그러한 툴은 미래가 과거에 의해 결정된다는 기본적인 가정 하에 이전의 판매 데이터만 살펴봄으로써 우비의 미래 판매를 예측하려고 할 수 있습니다.

 

이 접근방식은 불규칙한 추세를 보이는 대규모 데이터셋에 대한 정확한 예측을 산출하는 데 어려움을 겪을 수 있습니다. 또한 시간이 지남에 따라 변하는 데이터 시리즈(가격, 할인, 웹 트래픽 등)를 제품 특징 및 상점 위치와 같은 독립적인 변수와 쉽게 결합하지 못합니다.

 

Amazon Forecast 소개

Amazon은 20년 이상 소매업, 공급망, 서버 용량 등 여러 분야에서 시계열 예측 문제를 해결해 왔습니다. 이 경험을 통해 배운 기계 학습 기술을 사용하여 저희는 시계열 예측을 위한 완전한 관리형 심층 학습 서비스인 Amazon Forecast를 소개할 것입니다. Amazon Forecast는 확장 가능하고 매우 정확한 예측 기술을 구축하고 운영하는 데 대한 저희의 수년간의 경험을 사용하기 쉽고 완전하게 관리되는 서비스로 포장합니다.

 

Amazon Forecast를 사용하여 시계열 데이터에 대한 예측을 생성하여 다음을 추정할 수 있습니다.

 

  • 서버에 대한 웹 트래픽, AWS 사용량 또는 IoT 센서 메트릭과 같은 운영 메트릭
  • 영업, 수익 및 비용 등의 비즈니스 지표
  • 특정 수요를 충족시키는 데 필요한 에너지 또는 대역폭의 양과 같은 리소스 요구 사항
  • 제조 공정에 필요한 원료, 서비스 또는 기타 투입물의 양
  • 가격 할인, 마케팅 프로모션 및 기타 캠페인의 영향을 고려한 소매 수요

 

Amazon Forecast는 다음과 같은 세 가지 주요 이점을 염두에 두고 설계되었으며,

 

  • 깊은 신경망과 예보를 위한 전통적인 통계 방법을 사용한 정확성. Amazon Forecast는 데이터를 자동으로 학습하고 데이터에 맞게 설계된 모델을 훈련하는 데 가장 적합한 알고리즘을 선택할 수 있습니다. 관련 시계열이 많을 경우 DeepAR 및 MQ-RNN과 같은 Amazon Forecast 심층 학습 알고리즘을 사용한 예측은 지수 평활과 같은 전통적인 방법으로 이루어진 예측보다 더 정확한 경향이 있습니다.
  • 데이터 업로드에서 데이터 처리, 모델 교육, 데이터셋 업데이트 및 예측에 이르는 전체 예측 워크플로우를 자동화하는 엔드 투 엔드 관리. 엔터프라이즈 시스템은 여러분의 예측을 API로 직접 사용할 수 있습니다.
  • 콘솔에서 다양한 세분화된 시계열의 예측을 검색하고 시각화할 수 있는 사용 편의성. 또한 예측 변수의 예측 정확성에 대한 메트릭을 볼 수 있습니다. 기계 학습 전문 지식이 없는 개발자는 Amazon Forecast API, AWS Command Line Interface(CLI) 또는 콘솔을 사용하여 교육 데이터를 하나 이상의 Amazon Forecast 데이터셋으로 가져오고 모델을 교육하고 모델을 구축하여 예측을 생성할 수 있습니다.

 

Amazon Forecast 사용

Amazon Forecast에서 예측 프로젝트를 생성할 때 주로 다음 리소스로 작업하십시오.

 

  • 데이터를 업로드하는 데이터셋. Amazon Forecast 알고리즘은 모델을 훈련하는 데 데이터셋을 사용합니다.
  • 모델 교육에 여러 데이터셋을 사용하기 위한 하나 이상의 데이터셋용 컨테이너인 데이터셋 그룹.
  • 교육 모델의 결과물인 예측 변수. 예측 변수를 생성하려면 데이터셋 그룹과 레시피(알고리즘을 제공하는)를 제공하거나 Amazon Forecast에 어떤 예측 모델이 가장 적합한지 결정하도록 하십시오. 알고리즘은 데이터셋의 데이터를 사용하여 모델을 교육합니다.
  • 예측 변수를 사용하면 추론을 실행하여 예측을 생성할 수 있는 예측.

 

AWS 콘솔, CLI 및 SDK와 함께 Amazon Forecast를 사용할 수 있습니다. 예를 들어 Python용 AWS SDK를 사용하여 모델을 교육하거나 Jupyter 노트북에서 예측을 가져오거나 Java용 AWS SDK를 사용하여 기존 비즈니스 애플리케이션에 예측 기능을 추가할 수 있습니다.

 

가격 및 가용성

Amazon Forecast에서는 사용하는 것에 대해서만 지불합니다. Amazon Forecast에는 세 가지 유형의 비용이 있습니다.

 

  • 생성된 예측: 예측은 모든 시간적 범위에서 단일 변수에 대한 미래 값의 예측입니다. 예측은 1,000 단위로 계산됩니다.(가장 가까운 1,000)
  • 데이터 스토리지: 모델을 교육하는 데 저장 및 사용되는 각 GB의 데이터 비용.
  • 교육 시간: 고객이 제공한 데이터를 기반으로 맞춤 모델에 필요한 교육 시간당 비용.

 

AWS Free Tier의 일부로, Amazon Forecast를 처음 사용한 후 처음 2개월 동안 다음 항목에 대해 무료로 제공합니다.

 

  • 생성된 예측: 월 최대 10K의 시계열 예측
  • 데이터 스토리지: 월 최대 10GB
  • 교육시간: 월 최대 10시간

 

Amazon Forecast는 미국 동부(북부 버지니아), 미국 서부(오리건) 리전에서 프리뷰를 할 수 있습니다.

 

시계열 예측을 아주 정확하게 하는 것은 결코 쉽지 않았습니다. 저는 고객들이 이것으로 무엇을 할지 정말 기대하고 있습니다.

 

원문 URL : https://aws.amazon.com/ko/blogs/aws/amazon-forecast-time-series-forecasting-made-easy/

** 메가존클라우드 TechBlog는 AWS BLOG 영문 게재글중에서 한국 사용자들에게 유용한 정보 및 콘텐츠를 우선적으로 번역하여 내부 엔지니어 검수를 받아서, 정기적으로 게재하고 있습니다. 추가로 번역및 게재를 희망하는 글에 대해서 관리자에게 메일 또는 SNS페이지에 댓글을 남겨주시면, 우선적으로 번역해서 전달해드리도록 하겠습니다.