絕大部分行業場景,尤其是互聯網行業,每天都會產生大量的數據。遊戲中每時每刻都會產生大量的玩家日誌信息;旅遊應用中每天有各類酒店各種交通工具的實時價格;涉及供應鏈和日銷量的零售電商,每月都爲生產(購進)多少貨而發愁;就連生產電子元器件、供電箱等傳統生產企業,這些零件每時每刻都會產生大量的數據。而我們稱這種不同時間收到的,描述一個或多種特徵隨着時間發生變化的數據,爲時間序列數據(Time Series Data)。

結合上文中的時間序列數據,我們能夠做什麼?最顯而易見的是,我們可以通過過去產生的時間序列數據,來預測未來。

我們可以通過遊戲歷史的玩家消費時間序列數據,預測該玩家在接下來一週的付費意願和付費大致金額,從而定製化的推送相關遊戲禮包和活動,這通常和傳統的用戶畫像是互補的。旅遊應用中,利用歷史數據對未來酒店、機票的價格進行預測,從而爲用戶推薦最低價的購買點(例如:提示用戶五天後購買會更便宜),這一個小功能就足夠獲取大量忠實用戶並實現變現,而北美已經有網站實現了這個功能來預測機票價格。

一言以蔽之,時間序列預測就是通過多種維度的數據本身內在與時間的關聯特性,其中可能包含季節性、趨勢性等等特徵,利用歷史的數據預測未來的場景,細分場景除了上述介紹之外,還有很多很多。

時間序列預測在實際使用中,難免會遇到關於數據的問題,例如無法完整收集所有影響因素的數據,影響因素在未來具有不確定性,有時只有很少甚至沒有歷史數據。數據往往是卡住大多數時序預測工作負載最大的問題。

Amazon SageMaker 中內置的 DeepAR 算法能夠在一定程度上減輕對數據的要求。DeepAR 直接在模型內部補充缺省值。在導入數據的過程中,我們不需要人爲的掃描數據尋找缺省值,不需要爲如何填補缺省值大費周章,DeepAR 模型內部會解決這一問題。

同時,DeepAR 上手難度並不高,在 Amazon SageMaker 中,可以快速方便的直接調用現成實現好的算法,輸入自己的數據進行訓練。

如果你是一位剛上手機器學習的小白,並且想要動手來自行訓練,更多的定製化和手動處理數據,控制訓練過程,以及自定義部署流程,Amazon SageMaker 是一個非常好的選擇。
Amazon SageMaker 是一項完全託管的服務,可以幫助開發人員和數據科學家快速構建、訓練和部署機器學習 (ML) 模型。SageMaker 完全消除了機器學習過程中每個步驟的繁重工作,讓開發高質量模型變得更加輕鬆。
爲了幫助大家快速上手 SageMaker,本週四晚 8 點,我們邀請到 AWS 高級解決方案架構師王元愷爲大家帶來主題分享 《使用 DeepAR 進行時間序列預測》

時間序列預測:一課掌握亞馬遜開源算法 DeepAR

課程主題: 使用 DeepAR 進行時間序列預測

課程時間: 6 月 4 日 20:00

課程主講: 王元愷,AWS 高級解決方案架構師

講師簡介: 高級解決方案架構師,負責基於 AWS 的雲計算方案的架構設計,同時致力於 AWS 雲服務在國內和全球的應用和推廣。畢業於上海交通大學,畢業後直接加入 AWS 中國。對前沿技術如計算機視覺、自然語言處理及其應用有着深入的研究與熱情。在大規模全球同服遊戲、Serverless 無服務器架構以及人工智能等領域有着廣泛的設計與實踐經驗。

課程概要: 本課程將介紹時間序列預測的場景、常見的分類及對應算法、DeepAR 算法的優勢以及如何使用 DeepAR 算法進行時間序列預測,並通過現場演示,讓大家理解如何訓練 DeepAR 用於具體的應用場景。

直播間地址:http://suo.im/614kNR (點閱讀原文或識別上方海報二維碼直達)

下面還有一個大神出沒的微信羣:

時間序列預測:一課掌握亞馬遜開源算法 DeepAR

關於本系列課程
時間序列預測:一課掌握亞馬遜開源算法 DeepAR
Amazon SageMaker 是一套強大的完全託管服務,可以幫助開發者和數據科學家快速構建、訓練和部署機器學習 (ML) 模型。這款工具可以大幅度消除機器學習過程中的繁重工作,讓開發高質量模型變得更加輕鬆。

爲了幫助開發者快速上手 Amazon SageMaker,機器之心聯合 AWS 開設 《快速上手 Amazon SageMaker,輕鬆玩轉機器學習》 線上公開課, 3 周時間,6 次課程 ,通過講解如何使用 SageMaker 完成構建生成對抗網絡、運行中文命名實體識別、簡化 Kubernetes 上的機器學習任務管理等任務,幫助開發者熟悉 Amazon SageMaker 各項組件的使用方法,輕鬆玩轉機器學習。具體安排可以點這裏。

時不我待,趕快加入, 點擊 閱讀原文 ,直達直播間。

來源鏈接:mp.weixin.qq.com