Een fabrikant verkoopt 100 soorten stalen staven met verschillende kwaliteiten en afmetingen en heeft 50 jaar verkoopgeschiedenis. Een data scientist moet de toekomstige vraag naar de staven voorspellen. Welke aanpak is operationeel het meest efficiënt?

DeepAR is ontworpen voor het voorspellen van tijdreeksen voor een groot aantal gerelateerde series, wat perfect is voor 100 soorten stalen staven. Door één model te trainen voor alle producten, leert DeepAR van de gemeenschappelijke patronen en relaties tussen de verschillende productreeksen, wat resulteert in nauwkeurigere voorspellingen en een efficiënter operationeel proces dan het trainen van 100 afzonderlijke modellen. Afzonderlijke modellen zouden meer rekenkracht en beheer vereisen en zouden niet profiteren van de gedeelde informatie. SageMaker Autopilot is meer gericht op algemene machine learning-taken en is minder geoptimaliseerd voor grootschalige tijdreeksvoorspellingen dan DeepAR.