Bir veri bilimcinin üç aylık ürün satışlarını tahmin etmesi gerekiyor. Analizler, satışların mevsimsel olduğunu, tatillerden etkilendiğini ve kategorideki diğer ürünlerin satışlarıyla ilişkili olduğunu gösteriyor. Mevsimselliği, tatilleri ve ilgili ürün korelasyonlarını tahmine dahil etmek için en az geliştirme çabası gerektiren yaklaşım hangisidir?

Doğru cevap, mevsimsellik, tatiller ve ilgili ürün korelasyonları gibi karmaşık zaman serisi özelliklerini otomatik olarak ele alabilen Amazon Forecast'ın yerleşik DeepAR+ algoritmasını kullanmaktır. DeepAR+, derin öğrenme tabanlı bir algoritma olup, bu tür karmaşık örüntüleri öğrenmede ARIMA gibi geleneksel istatistiksel yöntemlerden daha etkilidir, özellikle birden fazla ilgili zaman serisi olduğunda. Ayrıca, Amazon Forecast'ın tatil featurization özelliği, tatillerin satışlar üzerindeki etkisini otomatik olarak modelleyerek geliştirme çabasını en aza indirir. Diğer seçenekler, SageMaker üzerinde özel modeller geliştirmeyi veya tatil özelliklerini manuel olarak eklemeyi gerektirir ki bu daha fazla geliştirme çabası demektir. ARIMA, mevsimselliği ele alsa da, tatil etkileri ve çoklu zaman serisi korelasyonları için DeepAR+ kadar güçlü değildir.