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

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
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
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
＄
＄
＄
＄

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
＄
＄
＄
＄
＄
＄
＄ ＄
＄ ＄
dataset training forecast insight

30. 料金表
＄
＄
＄ ＄
＄ ＄
dataset training forecast insight
課金時間は、表示時間を上回る

31. 料金表
＄
＄
＄ ＄
＄ ＄
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
＄
＄
＄ ＄
＄ ＄
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