Publicado en: May 14, 2020
Amazon Forecast es un servicio administrado que utiliza el aprendizaje automático para crear proyecciones con un alto nivel de precisión, sin requerir experiencia en aprendizaje automático. Amazon Forecast se puede aplicar en una amplia variedad de casos de uso, como la proyección de demanda de productos, la planificación de inventarios, la planificación del personal y los recursos, la proyección de demanda de energía y la proyección del uso de la infraestructura en la nube.
No complace anunciar la compatibilidad de llenado automático de valores faltantes en los conjuntos de datos de series temporales relacionadas para los períodos históricos y proyectados. En Amazon Forecast, las series temporales relacionadas incluyen datos como promociones, precios o condiciones meteorológicas, que se correlacionan con el valor de destino (p. ej. la demanda del producto) y, a menudo, puede mejorar la precisión de la proyección. Hasta ahora, los clientes de Amazon Forecast debían proporcionar datos de series temporales relacionadas sin valores faltantes, lo cual puede resultar difícil en ocasiones (p. ej. proporcionar datos de precios de productos para todos los períodos históricos y proyectados). Con esta nueva función, los clientes ahora pueden usar varias opciones de valores faltantes (como valor, mediana, mínimo, máximo y promedio), según el caso de uso específico, para su conjunto de datos de series temporales relacionadas. Además, también extendemos la compatibilidad para opciones existentes de llenado de valores faltantes (además de “0” y “NaN”) para el conjunto de datos de series temporales de destino. Puede utilizar el objeto FeaturizationConfig en la API CreatePredictor para utilizar esta nueva función. Consulte la documentación para desarrolladores de Amazon Forecast para obtener información más detallada aquí.
Esta funcionalidad de valor faltante ahora se encuentra disponible en EE. UU. Este (Norte de Virginia, Ohio), EE. UU. Oeste (Oregón), Europa (Irlanda, Fráncfort) y Asia-Pacífico (Tokio, Singapur, Seúl, Sídney, Mumbai).