Amazon Forecast Eğitimi

Eğitim Hakkında

Forecast veri kümeleri, predictor eğitimi ve talep tahmini uygulamaları

Bu eğitim, Amazon Forecast ile zaman serisi tahmin modellerinin nasıl kurulacağını gösterir. Target time series, related time series ve item metadata veri kümeleri, dataset group, DeepAR+, Prophet, ETS ve ARIMA algoritmaları, AutoML predictor, backtesting, wQL ve RMSE metrikleri, forecast üretimi, S3'e dışa aktarım ve talep tahmini senaryoları uygulamalı işlenir. Servisin yeni müşterilere kapanması nedeniyle alternatifler değerlendirilir.

Süre ve Format

2 Gün. Her gün dört modül; her modülde altı konu başlığı, canlı gösterim ve uygulamalı laboratuvar.

Seviye

Temel Seviye — zaman serisi veri kümeleri, predictor, AutoML ve tahmin değerlendirme konularını kapsayan uygulamalı eğitim

Öğrenme Metodu

Bulut hesabında konsol ve CLI ile adım adım laboratuvarlar yapılır, ardından kısa senaryo çalışmalarıyla pekiştirilir.

Neden Bu Eğitim?

🎯Hazır Tahmin Hattı

Model kodu yazmadan veri kümesinden tahmine uzanan akışı kurarsınız.

🛠️Model Değerlendirme

Backtesting ve wQL ile tahmin doğruluğunu ölçmeyi öğrenirsiniz.

🔍Alternatif Bilinci

Servis sonrası seçenekler olan SageMaker Canvas, GluonTS ve Prophet'i karşılaştırırsınız.

Anahtar Konular

Amazon Forecast eğitimiAWS zaman serisi tahminiDeepAR+talep tahminiForecast predictorAutoML tahminAWS makine öğrenmesiwQL RMSESageMaker Canvas tahmin

“Gelecek bilinemez ama belirsizlik aralığıyla planlanabilir.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

Temel Bulut Bilgisi

Bulut hizmet modelleri, bölge ve erişilebilirlik bölgesi kavramlarına genel aşinalık yeterlidir.

2

İstatistik Temeli

Ortalama, trend ve mevsimsellik kavramlarını bilmek faydalıdır.

3

Çalışma Ortamı

Güncel tarayıcı ve kararlı internet bağlantısı olan bir bilgisayar gerekir; laboratuvarlar için bir bulut hesabı veya kum havuzu ortamı kullanılır.

4

Komut Satırı

Terminalde temel gezinme ve JSON çıktısı okuma alışkanlığı laboratuvarları hızlandırır.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiKatılımcı tahmin verisini hazırlar ve predictor eğitir.

Modül 1

Zaman Serisi Tahmin Kavramları

Trend, mevsimsellik ve döngüsellik
Tahmin ufku (horizon) ve veri sıklığı
Tek değişkenli ve ilişkili değişkenli tahmin
Soğuk başlangıç (yeni ürün) sorunu
Tahmin kullanım örnekleri: perakende, enerji, lojistik
Forecast servis mimarisi ve fiyatlandırması

Modül 2

Veri Kümeleri ve Hazırlık

Target time series şeması: item_id, timestamp, target_value
Related time series: fiyat, promosyon, hava durumu
Item metadata: kategori, marka
Dataset group oluşturma ve CSV'nin S3'e yüklenmesi
Eksik değer, aykırı değer ve veri boşluğu kontrolü
IAM rolü ve S3 erişim izni

Modül 3

Algoritmalar ve Predictor

ETS, ARIMA, NPTS ve Prophet'ın klasik yaklaşımları
DeepAR+ ile sinir ağı tabanlı tahmin
CNN-QR algoritması ve ilişkili veri desteği
AutoML ile en iyi algoritmanın seçilmesi
Eğitim süresi, hiperparametre optimizasyonu
Tahmin türleri: P10, P50, P90 kuantilleri

Modül 4

Doğruluk ve Backtesting

Backtest pencereleri ve eğitim/test ayırımı
wQL, RMSE, MAPE ve WAPE metrikleri
Predictor metrikleri ve algoritma karşılaştırması
Hata analizi: ürün bazında zayıf tahminler
Veri kalitesi ve özellik eklemenin etkisi
Model yeniden eğitimi (retraining) ve izleme

Günün hedefiKatılımcı tahmin üretir, sonuçları iş sistemlerine aktarır ve alternatifleri değerlendirir.

Modül 1

Tahmin Üretme

CreateForecast ve forecast tipi seçimi
Tek ürün için sorgulama (QueryForecast)
Toplu tahmin dışa aktarımı (forecast export) ve S3 çıktısı
What-if analizi ve senaryo karşılaştırma
Explainability ile özelliklerin etkisi
Tahmin sonuçlarının belirsizlik aralığıyla yorumlanması

Modül 2

İş Entegrasyonu

Athena ve QuickSight ile tahmin görselleştirme
Lambda ve Step Functions ile haftalık otomasyon
Stok planlama ve sipariş önerisi senaryosu
Tahmin sonucunu ERP veya veri ambarına aktarma
Hata yönetimi ve veri sürümleme
Operasyonel runbook

Modül 3

Güvenlik ve Maliyet

KMS ile veri şifreleme ve IAM politikaları
VPC endpoint ve özel erişim
Eğitim, tahmin ve depolama maliyet kalemleri
Veri hacmi ve eğitim süresi optimizasyonu
CloudTrail ile denetim
Veri gizliliği: kişisel veri içermeyen toplulaştırma

Modül 4

Alternatifler ve Geçiş

Servis kullanılabilirliği değişikliği ve etkisi
SageMaker Canvas ile no-code zaman serisi tahmini
GluonTS, Prophet ve statsmodels ile açık kaynak yaklaşım
Amazon SageMaker AI üzerinde DeepAR eğitimi
Mevcut Forecast verisini dışa aktarma
Karar matrisi: yönetilen servis ve özel model

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

Veri Hazırlama

Target, related ve metadata veri kümelerini doğru şemalarla hazırlayabilirsiniz.

🔧

Algoritma Seçimi

DeepAR+, ETS, Prophet ve CNN-QR arasında veri yapısına göre seçim yapabilirsiniz.

📊

Predictor Eğitimi

AutoML ile predictor eğitip algoritma sonuçlarını karşılaştırabilirsiniz.

🔐

Doğruluk Ölçümü

wQL ve RMSE metriklerini backtest sonuçlarıyla yorumlayabilirsiniz.

🚀

Tahmin Üretimi

P10, P50 ve P90 tahminlerini üretip aralık olarak sunabilirsiniz.

🧩

Görselleştirme

Tahmin çıktısını Athena ve QuickSight ile raporlayabilirsiniz.

📈

Otomasyon

Lambda ve Step Functions ile periyodik tahmin akışı kurabilirsiniz.

🛡️

Alternatif Değerlendirme

SageMaker ve açık kaynak seçeneklerle geçiş planı yapabilirsiniz.

Kimler İçin Uygundur?

Talep
stok ve kapasite tahmini yapan veri analistleri
veri bilimciler
iş zekâsı ekipleri için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

Talep, stok ve kapasite tahmini yapan veri analistleri, veri bilimciler ve iş zekâsı ekipleri için uygundur.

Kodlama gerekli mi?

Konsol ve temel CLI yeterlidir; veri hazırlama için basit CSV bilgisi ve isteğe bağlı küçük Python örnekleri kullanılır.

Servis hâlâ kullanılabilir mi?

AWS yeni müşterilere kısıtlama getirmiştir; bu nedenle eğitim alternatifleri ve geçiş yaklaşımlarını ayrıca kapsar.

Hangi veriyle çalışılır?

Perakende satış ve enerji tüketimi gibi örnek zaman serileriyle uygulama yapılır.

Sertifika veriliyor mu?

Katılım ve başarı koşulunu sağlayanlara Digital Vizyon Akademi Katılım ve Başarı Sertifikası verilir.

Sertifikalandırma

Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika

INTRODUCTION TO AMAZON FORECAST EĞİTİMİ