У вас есть исторические данные CSV в S3, содержащие информацию о спросе на товарные запасы, и вам нужно подготовить их для Amazon Forecast. Как следует преобразовать и загрузить данные, чтобы Forecast мог эффективно обучать модели?

Amazon Forecast требует, чтобы входные данные были разделены на целевой набор данных временных рядов (содержащий фактические значения, которые нужно прогнозировать) и набор данных метаданных элементов (содержащий статические атрибуты элементов). AWS Glue ETL — это управляемый сервис, идеально подходящий для преобразования и разделения больших CSV-файлов в S3 на эти два отдельных файла CSV, которые затем могут быть загружены обратно в S3 для использования Forecast. SageMaker Notebooks могут выполнять преобразования, но загрузка в Aurora не является стандартным методом для Forecast. AWS Batch может выполнять преобразования, но загрузка напрямую с локальной машины в Forecast не является масштабируемым или рекомендуемым подходом. Forecast не использует формат protobuf RecordIO для входных данных.