1、AWS人工智能銷售預(yù)測(cè)平臺(tái)方案為零售行業(yè)賦能人工智能在零售行業(yè)的應(yīng)用場(chǎng)景更好地管理庫存?zhèn)€性化的客戶交互更高的運(yùn)營(yíng)效率找到新的投資機(jī)會(huì)合規(guī)并管理風(fēng)險(xiǎn)一家大型零售商使用了亞馬遜預(yù)測(cè)機(jī)器學(xué)習(xí)，導(dǎo) 致整體預(yù)測(cè)準(zhǔn)確率提高 13.9%，這對(duì) 11 億美元 的產(chǎn)品購買產(chǎn)生了積極影響，約占需求的 50%一個(gè)在線藝術(shù)市場(chǎng)，需要有能力匹配其客戶與藝術(shù) 的喜愛，并轉(zhuǎn)向亞馬遜機(jī)器學(xué)習(xí)，以快速建立一個(gè) 推薦引擎。使用 AWS，他們可以在數(shù)小時(shí)內(nèi)完成原 型，并在一周內(nèi)投入生產(chǎn)。個(gè)性化數(shù)字化用戶管理客戶流失預(yù)測(cè)；個(gè)性化推薦個(gè)性化服務(wù)實(shí)時(shí)個(gè)性化和推薦，基于與A 相同的技術(shù)庫存預(yù)測(cè)高精度的需求預(yù)測(cè)，更好的價(jià)格優(yōu)化庫存優(yōu)化預(yù)測(cè)需

2、求；確定理想的成交價(jià)格點(diǎn)計(jì)算機(jī)視覺無縫式購物體驗(yàn)通過機(jī)器學(xué)習(xí)，讓顧客在無需收銀 員打擾的情況下完成購物損失預(yù)防利用機(jī)器學(xué)習(xí)和攝像機(jī)，預(yù)防諸如 籃底損耗、自助買單損失AWS 分享 Amazon 的最佳經(jīng)驗(yàn)源自零售專為零售商構(gòu)建客戶至上 零售商零售商反饋研發(fā)發(fā)布新功能Amazon AI/ML Amazon Forecast Amazon PersonalizeAmazon Rekognition 和 Amazon Kinesis Video Amazon Polly、Amazon Lex Amazon Robotics零售商需要什么通過無服務(wù)器微服務(wù)實(shí)現(xiàn)敏捷 基于實(shí)時(shí)數(shù)據(jù)、旅程的視圖 客戶服務(wù)解決

3、方案使用機(jī)器學(xué)習(xí)技術(shù) 需求預(yù)測(cè)推薦引擎計(jì)算機(jī)視覺與商店轉(zhuǎn)型 語音和會(huì)話商務(wù)機(jī)器人技術(shù) - 無人機(jī)到履行機(jī)器人我們構(gòu)建什么AWS Lambda Amazon SageMaker Amazon Connect由行業(yè)最大的 生態(tài)系統(tǒng)支持創(chuàng)新、經(jīng)驗(yàn)癡迷的合作伙伴延伸加速指數(shù)優(yōu)勢(shì)更低的成本速度和效率可擴(kuò)展的結(jié)果擴(kuò)展合作伙伴反饋我們構(gòu)建什么：亞馬遜的經(jīng)驗(yàn) 我們?nèi)绾螛?gòu)建：復(fù)雜變簡(jiǎn)單 接下來是什么：定義未來從數(shù)月縮短到數(shù)天所有人都可以訪問創(chuàng)新共享XXXX構(gòu)建、測(cè)試、迭代、學(xué)習(xí)、共享讓零售商領(lǐng)先 20 年增值元素AWS 上的機(jī)器學(xué)習(xí)技術(shù)堆棧應(yīng)用服務(wù)平臺(tái)服務(wù)框架和 基礎(chǔ)架構(gòu)Apache MXNetPyTorchC

4、ognitive ToolkitKerasCaffe2 & CaffeTensorFlowAWS 深度學(xué)習(xí)鏡像GPUMobileCPUIoT (Greengrass)Amazon Machine LearningMechanical TurkSpark & EMR視覺:Rekognition Image Rekognition Video語 音 : Polly Transcribe語言:Lex Translate ComprehendGluonAmazon SageMaker預(yù)測(cè):Forecast推薦:Personalize數(shù)據(jù)可視化 和分析機(jī)器學(xué)習(xí)流程業(yè)務(wù)問題 數(shù)據(jù)收集數(shù)據(jù)準(zhǔn)備 和清洗特征工

5、程模型訓(xùn)練 參數(shù)調(diào)整符合業(yè)務(wù)目標(biāo)？模型部署監(jiān)控 調(diào)試 預(yù)測(cè)是否數(shù)據(jù)調(diào)整參數(shù)調(diào)整重新訓(xùn)練模型校驗(yàn)數(shù)據(jù)集成ML 問題轉(zhuǎn)換AWS 電商 AI 銷售預(yù)測(cè) 解決方案參考架構(gòu)歷史銷售數(shù)據(jù)其 他 相 關(guān) 信 息Amazon SageMaker/KubeFlowforecasting modelTrainSKU分類信息時(shí)序數(shù)列DeepAR AlgorithmSample 時(shí)序數(shù)列銷售預(yù)測(cè)InstanceServerlessORElastic Inference數(shù)據(jù)收集階段模型訓(xùn)練階段部署驗(yàn)證階段在 AWS 上開展 AI 銷售預(yù)測(cè)的三種方式數(shù)據(jù)收集數(shù)據(jù)準(zhǔn)備Amazon Forecast獲得結(jié)果1. 開箱即用數(shù)據(jù)

6、收集數(shù)據(jù)準(zhǔn)備特征工程模型訓(xùn)練獲得結(jié)果模型評(píng)估2. DIY數(shù)據(jù)收集數(shù)據(jù)準(zhǔn)備特征工程模型訓(xùn)練獲得結(jié)果模型評(píng)估3. 合作共研文檔、支持Data Labs 團(tuán)隊(duì)協(xié)助通過 Console and API簡(jiǎn)單實(shí)用可以和任何時(shí)間序列的 數(shù)據(jù)進(jìn)行集成K E YF E A T U R E S集成多種外部數(shù)據(jù)實(shí)現(xiàn)更 加準(zhǔn)確的數(shù)據(jù)預(yù)測(cè)一次性考慮多種時(shí) 間序列數(shù)據(jù)自動(dòng)化的機(jī) 器學(xué)習(xí)可視化的預(yù)測(cè)數(shù)據(jù) 展現(xiàn) & 結(jié)果可導(dǎo)出 到生產(chǎn)應(yīng)用中通過 Console 圖形 界面評(píng)估模型的準(zhǔn) 確性對(duì)預(yù)測(cè)和再訓(xùn)練進(jìn) 行排期支持從 SageMaker 導(dǎo)入 自定義的算法如何使用 Amazon Forecast ？Load dataIns

7、pect dataIdentify featuresSelect algorithmsSelect hyperparametersTrain modelsOptimize modelsDeploy and host modelsAmazon ForecastCustomized Forecasting APIPrivate歷史數(shù)據(jù)銷售數(shù)據(jù), 庫存數(shù)據(jù), 價(jià)格數(shù)據(jù)等等相關(guān)數(shù)據(jù)天氣信息, 競(jìng)爭(zhēng)對(duì)手促銷信息等等原數(shù)據(jù)被預(yù)測(cè)的產(chǎn)品屬性,包括類 別 / 品牌等等Forecast 服務(wù)內(nèi)置的算法 (Recipe)Autoregressive Integrated Moving Average (ARIMA

8、) RecipeDeepAR+ Recipe*Exponential Smoothing (ETS) RecipeMixture Density Networks (MDN) RecipeMulti-Quantile Recurrent Neural Network (MQRNN) RecipeNon-Parametric Time Series (NPTS) RecipeProphet RecipeSpline Quantile Forecaster (SQF) Recipe*機(jī)器學(xué)習(xí)，深度學(xué)習(xí)， 定制算法一鍵訓(xùn)練超參數(shù)優(yōu)化更容易的訓(xùn)練過程高度優(yōu)化的 機(jī)器學(xué)習(xí)算法部署過程不需要工程支撐全托管

9、的 可擴(kuò)展平臺(tái)構(gòu)建預(yù)配置的 notebook 實(shí)例部署訓(xùn)練Amazon SageMaker端到端機(jī)器學(xué)習(xí)平臺(tái)零配置多樣的模型訓(xùn)練按秒付費(fèi)Amazon SageMaker從創(chuàng)新想法到實(shí)際模型實(shí)現(xiàn)的最快速，最簡(jiǎn)單的方法$Amazon ECR模型訓(xùn)練(在 EC2 上)訓(xùn)練數(shù)據(jù)模型結(jié)果訓(xùn)練代碼輔助代碼輔助代碼推理代碼模型部署（在 EC2 上）真實(shí)情況客戶端應(yīng)用推理代碼訓(xùn)練代碼推理請(qǐng)求推理響應(yīng)Inference EndpointAmazon SageMaker內(nèi)置機(jī)器學(xué)習(xí)算法 用于市場(chǎng)預(yù)測(cè)線性回歸隨機(jī)森林XGBoost時(shí)間序列預(yù)測(cè)Amazon SageMaker Neo提供2 倍性能計(jì)算節(jié)點(diǎn)關(guān) 鍵 特

10、性開源的設(shè)備運(yùn)行加速器 通?？蚣艽笮〉?1/10AWS Marketplace for Machine Learning隨時(shí)訂閱第三方機(jī)器學(xué)習(xí)算法和模型Subscribe in a single clickAvailable in Amazon SageMaker關(guān) 鍵 特 性Automatic labeling via machine learning IP protectionAutomated billing and meteringBrowse or search AWS MarketplaceS E L L E R SBroad selection of paid, free, an

11、d open-source algorithms and modelsData protection Discoverable on your AWS billB U Y E R SAI Forcast Solution(EKS+KubeFlow)原始數(shù)據(jù)#使用 head 和 tail 命令看一下訓(xùn)練數(shù)據(jù)集#測(cè)試數(shù)據(jù)集以及 store 數(shù)據(jù)集 print(In total: , train.shape) #未營(yíng)業(yè)的店數(shù)記錄數(shù) train.loctrain.Open=0.info() train.head(5)數(shù)據(jù)分布sns.set(style = ticks)c = #386B7Fplt.fi

12、gure(figsize = (12, 6) plt.subplot(311)cdf = ECDF(trainSales)plt.plot(cdf.x, cdf.y, label = statmodels, color = c); plt.xlabel(Sales); plt.ylabel(ECDF);a 銷售額b 顧客數(shù)c 平均客戶消費(fèi)額sns.factorplot(data = train_store, x = Month, y = Sales,col = StoreType, palette = plasma,hue = StoreType, row = Promo,color = c)

13、my_model = Prophet(interval_width = 0.95,holidays = holidays) my_model.fit(sales)# 構(gòu)建待預(yù)測(cè)日期數(shù)據(jù)框，預(yù)測(cè)未來 6 周future_dates = my_model.make_future_dataframe(periods = 6*7)通過 Data Lab 與 AWS 共同拓展 AI 的無限可能數(shù)據(jù)脫敏 并提供給 AWSAWS 做調(diào)研 & Demo客戶預(yù)習(xí)&技術(shù)準(zhǔn)備成果總結(jié)開展 Data LabData Lab -時(shí)間為 1 天到 5 天，通常在 AWS 辦公室進(jìn)行AWS會(huì) 介紹AWS整體的AI能力以及SageMaker 的使用等需客戶親自動(dòng)手實(shí)驗(yàn)，開發(fā)調(diào)試相關(guān)的 AI應(yīng)用（部分 Demo 代碼由 AWS 提供）成果回顧13 周會(huì)前 1 周會(huì)后 1 周會(huì)后 1 個(gè)月AWS 某電商 AI 銷售預(yù)測(cè) 解決方案成功案例該客戶使用的 AWS 服務(wù)包括：AWS Rekognition用于計(jì)算機(jī)視覺系統(tǒng)AWS Forecast用于智能庫存系統(tǒng)AWS 某零售客戶庫存預(yù)測(cè)任務(wù)的架構(gòu)Data LakeEDWSAPSocial ChannelsGoogle AnalyticsSignupOrder historyGenealogy /I