あるメーカーが、異なるグレードと寸法の鋼棒を100種類販売しており、50年間の販売履歴があります。データサイエンティストは、鋼棒の将来の需要を予測する必要があります。最も運用効率の高いアプローチはどれですか？

DeepARは、多数の類似した時系列データに対して単一のモデルをトレーニングすることで、予測精度を向上させ、運用効率を高めるように設計されています。100種類の鋼棒という多数の製品があり、それぞれに50年間の販売履歴という長い時系列データがあるため、すべての製品をまとめて学習させることで、個々の製品では捉えきれないパターンやトレンドをモデルが学習し、より堅牢な予測が可能になります。 各製品に個別のモデルをトレーニングすると、モデルの管理とデプロイが複雑になり、運用コストが増大します。また、個々のモデルではデータが不足している場合に過学習のリスクがあります。SageMaker Autopilotは自動機械学習サービスですが、時系列予測に特化したDeepARのようなアルゴリズムと比較すると、このシナリオではDeepARの方がより適切な選択肢となります。Autopilotで単一モデルを構築する場合でも、DeepARの複数時系列学習の利点には及びません。