绝大部分行业场景，尤为是互联网行业，天天都会产生大量的数据。游戏中每时每刻都会产生大量的玩家日志信息；旅游应用中天天有各种酒店各类交通工具的实时价格；涉及供应链和日销量的零售电商，每个月都为生产（购进）多少货而发愁；就连生产电子元器件、供电箱等传统生产企业，这些零件每时每刻都会产生大量的数据。而咱们称这种不一样时间收到的，描述一个或多种特征随着时间发生变化的数据，为时间序列数据（Time Series Data）。算法
结合上文中的时间序列数据，咱们可以作什么？最显而易见的是，咱们能够经过过去产生的时间序列数据，来预测将来。服务器
咱们能够经过游戏历史的玩家消费时间序列数据，预测该玩家在接下来一周的付费意愿和付费大体金额，从而定制化的推送相关游戏礼包和活动，这一般和传统的用户画像是互补的。旅游应用中，利用历史数据对将来酒店、机票的价格进行预测，从而为用户推荐最低价的购买点（例如：提示用户五天后购买会更便宜），这一个小功能就足够获取大量忠实用户并实现变现，而北美已经有网站实现了这个功能来预测机票价格。架构
一言以蔽之，时间序列预测就是经过多种维度的数据自己内在与时间的关联特性，其中可能包含季节性、趋势性等等特征，利用历史的数据预测将来的场景，细分场景除了上述介绍以外，还有不少不少。less
时间序列预测在实际使用中，不免会遇到关于数据的问题，例如没法完整收集全部影响因素的数据，影响因素在将来具备不肯定性，有时只有不多甚至没有历史数据。数据每每是卡住大多数时序预测工做负载最大的问题。机器学习
Amazon SageMaker 中内置的 DeepAR 算法可以在必定程度上减轻对数据的要求。DeepAR 直接在模型内部补充缺省值。在导入数据的过程当中，咱们不须要人为的扫描数据寻找缺省值，不须要为如何填补缺省值大费周章，DeepAR 模型内部会解决这一问题。工具
同时，DeepAR 上手难度并不高，在 Amazon SageMaker 中，能够快速方便的直接调用现成实现好的算法，输入本身的数据进行训练。学习
若是你是一位刚上手机器学习的小白，而且想要动手来自行训练，更多的定制化和手动处理数据，控制训练过程，以及自定义部署流程，Amazon SageMaker是一个很是好的选择。 网站
Amazon SageMaker 是一项彻底托管的服务，能够帮助开发人员和数据科学家快速构建、训练和部署机器学习 (ML) 模型。SageMaker 彻底消除了机器学习过程当中每一个步骤的繁重工做，让开发高质量模型变得更加轻松。云计算
为了帮助你们快速上手 SageMaker，本周四晚8点，咱们邀请到AWS高级解决方案架构师王元恺为你们带来主题分享《使用 DeepAR 进行时间序列预测》。人工智能
课程主题：使用 DeepAR 进行时间序列预测
课程时间：6 月 4 日 20:00
课程主讲：王元恺，AWS高级解决方案架构师
讲师简介：高级解决方案架构师，负责基于AWS的云计算方案的架构设计，同时致力于AWS云服务在国内和全球的应用和推广。毕业于上海交通大学，毕业后直接加入AWS中国。对前沿技术如计算机视觉、天然语言处理及其应用有着深刻的研究与热情。在大规模全球同服游戏、Serverless无服务器架构以及人工智能等领域有着普遍的设计与实践经验。
课程概要：本课程将介绍时间序列预测的场景、常见的分类及对应算法、DeepAR 算法的优点以及如何使用 DeepAR 算法进行时间序列预测，并经过现场演示，让你们理解如何训练 DeepAR 用于具体的应用场景。
直播间地址：http://suo.im/614kNR，时不我待，赶快加入！