一家製造商銷售 100 種不同等級和尺寸的鋼筋，並擁有 50 年的銷售歷史。一位資料科學家必須預測鋼筋的未來需求。哪種方法在操作上最有效率？

對於具有大量相關時間序列（如本例中的 100 種不同等級和尺寸的鋼筋）的預測問題，DeepAR 演算法在所有時間序列上訓練一個單一模型，從而學習它們之間的共同模式。這比為每個產品訓練單獨的模型在操作上更有效率，因為它減少了模型訓練和維護的開銷。SageMaker Autopilot 雖然可用於自動化模型建立，但它主要針對表格資料，且通常會為每個產品建立單獨的模型或需要更複雜的特徵工程來處理多個時間序列，因此不如 DeepAR 處理此類問題高效。