Un científico de datos debe pronosticar las ventas de productos para los próximos tres meses. El análisis muestra que las ventas son estacionales, se ven afectadas por los días festivos y están correlacionadas con las ventas de otros productos de la categoría. ¿Qué enfoque requiere el menor esfuerzo de desarrollo para incorporar la estacionalidad, los días festivos y las correlaciones de artículos relacionados en el pronóstico?

La opción correcta es usar Amazon Forecast con la función Holidays y entrenar con DeepAR+. Amazon Forecast está diseñado específicamente para series temporales y DeepAR+ es un algoritmo de aprendizaje profundo que maneja bien la estacionalidad y las correlaciones entre series (ventas de productos relacionados) al aprender patrones de múltiples series. La función Holidays de Forecast integra automáticamente los días festivos sin desarrollo adicional. ARIMA (opción 1) es un modelo estadístico más tradicional que tiene limitaciones para manejar múltiples series y estacionalidad compleja. Las opciones 3 y 4 implican SageMaker Processing, lo que requiere un esfuerzo de desarrollo significativamente mayor para la ingeniería de características de días festivos y la gestión del entrenamiento, en contraste con la solución más administrada y de bajo esfuerzo de Amazon Forecast.