ایمیزون کی پیشن گوئی ایک مکمل طور پر منظم سروس ہے جو انتہائی درست پیشین گوئیاں پیدا کرنے کے لیے مشین لرننگ (ML) کا استعمال کرتی ہے، بغیر کسی ML تجربے کی ضرورت کے۔ پیشن گوئی کا اطلاق وسیع اقسام کے استعمال کے معاملات میں ہوتا ہے، بشمول انوینٹری کے انتظام کے لیے رسد اور طلب کا تخمینہ لگانا، سفری مانگ کی پیشن گوئی، افرادی قوت کی منصوبہ بندی، اور کمپیوٹنگ کلاؤڈ انفراسٹرکچر کے استعمال۔
آپ پیشن گوئی کو بغیر کسی رکاوٹ کے انجام دینے کے لیے استعمال کر سکتے ہیں اگر آپ کی طلب کی پیشین گوئیوں پر کاروباری لیورز کے ممکنہ اثرات کا تجزیہ کرنے اور اس کی مقدار درست کرنے کے لیے 80% تک تیزی سے تجزیہ کیا جائے۔ اگر کیا ہو تو تجزیہ آپ کو تحقیق کرنے اور یہ بتانے میں مدد کرتا ہے کہ کس طرح مختلف منظرنامے Forecast کی طرف سے بنائی گئی بنیادی پیشن گوئی کو متاثر کر سکتے ہیں۔ پیشن گوئی کے ساتھ، دستی طور پر بنانے کے لیے کوئی سرور یا ایم ایل ماڈل نہیں ہیں۔ مزید برآں، آپ صرف وہی ادائیگی کرتے ہیں جو آپ استعمال کرتے ہیں، اور کوئی کم از کم فیس یا پیشگی کمٹمنٹ نہیں ہے۔ پیشن گوئی کو استعمال کرنے کے لیے، آپ کو صرف اس کے لیے تاریخی ڈیٹا فراہم کرنے کی ضرورت ہے جس کی آپ پیشن گوئی کرنا چاہتے ہیں، اور اختیاری طور پر، کوئی بھی اضافی ڈیٹا جو آپ کے خیال میں آپ کی پیشین گوئیوں کو متاثر کر سکتا ہے۔
پانی کی افادیت فراہم کرنے والوں کے پاس استعمال کی پیشن گوئی کے کئی کیسز ہوتے ہیں، لیکن ان میں بنیادی طور پر کسی علاقے یا عمارت میں پانی کے استعمال کی پیشن گوئی کرنا ہے تاکہ طلب کو پورا کیا جا سکے۔ اس کے علاوہ، یوٹیلیٹی فراہم کرنے والوں کے لیے یہ ضروری ہے کہ وہ کسی عمارت میں مزید اپارٹمنٹس یا علاقے میں مزید مکانات کی وجہ سے کھپت کی بڑھتی ہوئی طلب کی پیشن گوئی کریں۔ پانی کی کھپت کا درست اندازہ لگانا گاہک کی خدمت میں کسی رکاوٹ سے بچنے کے لیے اہم ہے۔
یہ پوسٹ تاریخی ٹائم سیریز ڈیٹا کا استعمال کرتے ہوئے اس استعمال کے معاملے کو حل کرنے کے لیے پیشن گوئی کا استعمال کرتی ہے۔
حل جائزہ
پانی ایک قدرتی وسیلہ ہے اور صنعت، زراعت، گھرانوں اور ہماری زندگیوں کے لیے بہت اہم ہے۔ پانی کی کھپت کی درست پیشن گوئی اس بات کو یقینی بنانے کے لیے اہم ہے کہ کوئی ایجنسی روزمرہ کے کاموں کو مؤثر طریقے سے چلا سکتی ہے۔ پانی کی کھپت کی پیشن گوئی خاص طور پر مشکل ہے کیونکہ طلب متحرک ہے، اور موسمی موسمی تبدیلیوں کا اثر ہو سکتا ہے۔ پانی کے استعمال کی درست پیشین گوئی کرنا ضروری ہے تاکہ صارفین کو سروس میں کسی قسم کی رکاوٹ کا سامنا نہ کرنا پڑے اور کم قیمتوں کو برقرار رکھتے ہوئے ایک مستحکم سروس فراہم کرنے کے لیے۔ بہتر پیشن گوئی آپ کو مزید سرمایہ کاری مؤثر مستقبل کے معاہدوں کی تشکیل کے لیے آگے کی منصوبہ بندی کرنے کے قابل بناتی ہے۔ مندرجہ ذیل دو سب سے عام استعمال کی صورتیں ہیں:
- مانگ کا بہتر انتظام - ایک افادیت فراہم کرنے والی ایجنسی کے طور پر، آپ کو پانی کی طلب اور رسد کے درمیان توازن تلاش کرنے کی ضرورت ہے۔ ایجنسی سروس فراہم کرنے سے پہلے اپارٹمنٹ میں رہنے والے لوگوں کی تعداد اور عمارت میں اپارٹمنٹس کی تعداد جیسی معلومات جمع کرتی ہے۔ ایک افادیت ایجنسی کے طور پر، آپ کو مجموعی رسد اور طلب میں توازن رکھنا چاہیے۔ طلب کو پورا کرنے کے لیے آپ کو کافی پانی ذخیرہ کرنے کی ضرورت ہے۔ مزید برآں، درج ذیل وجوہات کی بنا پر طلب کی پیشن گوئی زیادہ مشکل ہو گئی ہے۔
- طلب ہر وقت مستحکم نہیں رہتی ہے اور دن بھر مختلف رہتی ہے۔ مثال کے طور پر، صبح کے مقابلے آدھی رات کو پانی کا استعمال بہت کم ہوتا ہے۔
- موسم کا مجموعی استعمال پر بھی اثر پڑ سکتا ہے۔ مثال کے طور پر، شمالی نصف کرہ میں سردیوں کے مقابلے گرمیوں میں پانی کی کھپت زیادہ ہوتی ہے، اور دوسری طرف جنوبی نصف کرہ میں۔
- کافی بارش یا پانی ذخیرہ کرنے کا طریقہ کار نہیں ہے (جھیلیں، آبی ذخائر) یا پانی کی فلٹرنگ ناکافی ہے۔ گرمیوں کے دوران، طلب ہمیشہ رسد کے ساتھ نہیں رہ سکتی۔ آبی اداروں کو دوسرے ذرائع کے حصول کے لیے احتیاط سے پیش گوئی کرنی ہوگی، جو زیادہ مہنگے پڑسکتے ہیں۔ اس لیے، یوٹیلیٹی ایجنسیوں کے لیے پانی کے متبادل ذرائع جیسے بارش کے پانی کو جمع کرنا، ایئر ہینڈلنگ یونٹس سے گاڑھا ہونا، یا گندے پانی کا دوبارہ دعوی کرنا بہت ضروری ہے۔
- بڑھتی ہوئی مانگ کے لیے کیا ہو تو تجزیہ کرنا - متعدد وجوہات کی وجہ سے پانی کی مانگ بڑھ رہی ہے۔ اس میں آبادی میں اضافہ، اقتصادی ترقی، اور استعمال کے بدلتے ہوئے نمونوں کا مجموعہ شامل ہے۔ آئیے ایک ایسے منظر نامے کا تصور کریں جہاں ایک موجودہ اپارٹمنٹ عمارت ایک توسیع بناتی ہے اور گھرانوں اور لوگوں کی تعداد میں ایک خاص فیصد اضافہ ہوتا ہے۔ اب آپ کو بڑھتی ہوئی طلب کے لیے سپلائی کی پیشن گوئی کرنے کے لیے تجزیہ کرنے کی ضرورت ہے۔ اس سے آپ کو بڑھتی ہوئی مانگ کے لیے ایک سرمایہ کاری مؤثر معاہدہ کرنے میں بھی مدد ملتی ہے۔
پیشن گوئی کرنا مشکل ہو سکتا ہے کیونکہ آپ کو مانگ کی پیشن گوئی کرنے کے لیے پہلے درست ماڈلز کی ضرورت ہوتی ہے اور پھر مختلف منظرناموں میں پیشین گوئی کو دوبارہ پیش کرنے کا ایک تیز اور آسان طریقہ۔
اس پوسٹ میں پانی کی کھپت کی پیشن گوئی کرنے کے حل پر توجہ دی گئی ہے اور اگر کیا ہو تو تجزیہ کیا جائے۔ یہ پوسٹ ماڈل ٹریننگ کے لیے موسم کے ڈیٹا پر غور نہیں کرتی ہے۔ تاہم، آپ موسم کا ڈیٹا شامل کر سکتے ہیں، اس کے پانی کی کھپت سے تعلق کو دیکھتے ہوئے.
شرائط
شروع کرنے سے پہلے، ہم اپنے وسائل ترتیب دیتے ہیں۔ اس پوسٹ کے لیے، ہم us-east-1 ریجن استعمال کرتے ہیں۔
- بنائیں ایک ایمیزون سادہ اسٹوریج سروس (ایمیزون S3) تاریخی ٹائم سیریز ڈیٹا کو ذخیرہ کرنے کے لیے بالٹی۔ ہدایات کے لیے، رجوع کریں۔ اپنی پہلی S3 بالٹی بنائیں.
- سے ڈیٹا فائلیں ڈاؤن لوڈ کریں۔ GitHub repo اور نئی تخلیق کردہ S3 بالٹی پر اپ لوڈ کریں۔
- ایک نیا بنائیں AWS شناخت اور رسائی کا انتظام (اے ایم آئی) کردار. ہدایات کے لیے، دیکھیں ایمیزون کی پیشن گوئی کے لیے اجازتیں مرتب کریں۔. اپنی S3 بالٹی کا نام ضرور فراہم کریں۔
ڈیٹاسیٹ گروپ اور ڈیٹاسیٹ بنائیں
یہ پوسٹ پانی کی طلب کی پیشن گوئی سے متعلق دو استعمال کے معاملات کو ظاہر کرتی ہے: پانی کی ماضی کی کھپت کی بنیاد پر پانی کی طلب کی پیش گوئی کرنا، اور بڑھتی ہوئی طلب کے لیے کیا ہو تو تجزیہ کرنا۔
پیشن گوئی تین قسم کے ڈیٹا سیٹس کو قبول کر سکتی ہے: ٹارگٹ ٹائم سیریز (TTS)، متعلقہ ٹائم سیریز (RTS)، اور آئٹم میٹا ڈیٹا (IM)۔ ٹارگٹ ٹائم سیریز کا ڈیٹا ان وسائل کی تاریخی مانگ کی وضاحت کرتا ہے جن کی آپ پیش گوئی کر رہے ہیں۔ ہدف ٹائم سیریز ڈیٹاسیٹ لازمی ہے۔ متعلقہ ٹائم سیریز ڈیٹاسیٹ میں ٹائم سیریز کا ڈیٹا شامل ہوتا ہے جو ٹارگٹ ٹائم سیریز ڈیٹاسیٹ میں شامل نہیں ہوتا ہے اور یہ آپ کے پیش گو کی درستگی کو بہتر بنا سکتا ہے۔
ہماری مثال میں، ٹارگٹ ٹائم سیریز ڈیٹاسیٹ میں item_id اور ٹائم اسٹیمپ کے طول و عرض شامل ہیں، اور تکمیلی متعلقہ ٹائم سیریز ڈیٹاسیٹ میں no_of_consumer شامل ہے۔ اس ڈیٹاسیٹ کے ساتھ ایک اہم نوٹ: TTS 2023-01-01 کو ختم ہوتا ہے، اور RTS 2023-01-15 کو ختم ہوتا ہے۔ کیا ہو تو منظرناموں کو انجام دیتے وقت، TTS میں آپ کے معلوم وقت کے افق سے باہر RTS متغیرات کو جوڑنا ضروری ہے۔
کیا ہو تو تجزیہ کرنے کے لیے، ہمیں دو CSV فائلیں درآمد کرنے کی ضرورت ہے جو ٹارگٹ ٹائم سیریز ڈیٹا اور متعلقہ ٹائم سیریز ڈیٹا کی نمائندگی کرتی ہیں۔ ہماری مثال ٹارگٹ ٹائم سیریز فائل میں آئٹم_آئی ڈی، ٹائم اسٹیمپ اور ڈیمانڈ شامل ہے، اور ہماری متعلقہ ٹائم سیریز فائل میں پروڈکٹ آئٹم_آئی ڈی، ٹائم اسٹیمپ، اور صارف کا نمبر شامل ہے۔
اپنا ڈیٹا درآمد کرنے کے لیے، درج ذیل مراحل کو مکمل کریں:
- Forecast کنسول پر، منتخب کریں۔ ڈیٹا سیٹ گروپس دیکھیں۔
- میں سے انتخاب کریں ڈیٹاسیٹ گروپ بنائیں۔
- کے لئے ڈیٹا سیٹ گروپ کا نامایک نام درج کریں (اس پوسٹ کے لیے،
water_consumption_datasetgroup
). - کے لئے پیشن گوئی کا ڈومین، ایک پیشن گوئی ڈومین منتخب کریں (اس پوسٹ کے لیے، اپنی مرضی کے).
- میں سے انتخاب کریں اگلے.
- پر ٹارگٹ ٹائم سیریز ڈیٹاسیٹ بنائیں صفحہ، ڈیٹاسیٹ کا نام، اپنے ڈیٹا کی فریکوئنسی، اور ڈیٹا سکیما فراہم کریں۔
- پر ڈیٹا سیٹ کی درآمد کی تفصیلات صفحہ، ڈیٹاسیٹ درآمد کا نام درج کریں۔
- کے لئے فائل کی قسم درآمد کریں۔منتخب CSV اور ڈیٹا لوکیشن درج کریں۔
- IAM رول کا انتخاب کریں جو آپ نے پہلے بنایا تھا۔
- میں سے انتخاب کریں آغاز.
آپ کو ڈیش بورڈ پر ری ڈائریکٹ کیا جاتا ہے جسے آپ ترقی کو ٹریک کرنے کے لیے استعمال کر سکتے ہیں۔
- متعلقہ ٹائم سیریز فائل درآمد کرنے کے لیے، ڈیش بورڈ پر، منتخب کریں۔ درآمد کریں.
- پر متعلقہ ٹائم سیریز ڈیٹاسیٹ بنائیں صفحہ، ڈیٹاسیٹ کا نام اور ڈیٹا سکیما فراہم کریں۔
- پر ڈیٹا سیٹ کی درآمد کی تفصیلات صفحہ، ڈیٹاسیٹ درآمد کا نام درج کریں۔
- کے لئے فائل کی قسم درآمد کریں۔منتخب CSV اور ڈیٹا لوکیشن درج کریں۔
- IAM رول کا انتخاب کریں جو آپ نے پہلے بنایا تھا۔
- میں سے انتخاب کریں آغاز.
پیشن گوئی کرنے والے کو تربیت دیں۔
اگلا، ہم ایک پیش گو کو تربیت دیتے ہیں۔
- ڈیش بورڈ پر، منتخب کریں۔ آغاز کے تحت پیشن گوئی کرنے والے کو تربیت دیں۔.
- پر ٹرین کی پیشن گوئی کرنے والا صفحہ، اپنے پیش گو کے لیے ایک نام درج کریں۔
- اس بات کی وضاحت کریں کہ آپ مستقبل میں کتنی دیر تک اور کس تعدد پر پیشن گوئی کرنا چاہتے ہیں۔
- ان کوانٹائل کی تعداد بتائیں جن کی آپ پیشن گوئی کرنا چاہتے ہیں۔
پیشن گوئی پیش گو بنانے کے لیے آٹو پریڈکٹر کا استعمال کرتی ہے۔ مزید معلومات کے لیے رجوع کریں۔ پیشین گوئی کرنے والوں کی تربیت.
- میں سے انتخاب کریں تخلیق کریں.
ایک پیشن گوئی تخلیق کریں
ہمارے پیش گو کے تربیت یافتہ ہونے کے بعد (اس میں تقریباً 3.5 گھنٹے لگ سکتے ہیں)، ہم ایک پیشن گوئی بناتے ہیں۔ آپ کو پتہ چل جائے گا کہ جب آپ دیکھیں گے کہ آپ کا پیشن گوئی کرنے والا تربیت یافتہ ہے۔ پیش گوئی کرنے والے دیکھیں اپنے ڈیش بورڈ پر بٹن۔
- میں سے انتخاب کریں آغاز کے تحت پیشن گوئیاں بنائیں ڈیش بورڈ پر
- پر ایک پیشن گوئی تخلیق کریں صفحہ، پیشن گوئی کا نام درج کریں۔
- کے لئے پیش گو، آپ نے جو پیشین گوئی بنائی ہے اسے منتخب کریں۔
- اختیاری طور پر، پیشن گوئی کی مقدار کی وضاحت کریں۔
- پیشن گوئی پیدا کرنے کے لیے آئٹمز کی وضاحت کریں۔
- میں سے انتخاب کریں آغاز.
اپنی پیشن گوئی پوچھیں۔
آپ کا استعمال کرتے ہوئے ایک پیشن گوئی استفسار کر سکتے ہیں استفسار کی پیشن گوئی اختیار پہلے سے طے شدہ طور پر، پیشن گوئی کی مکمل رینج واپس آ جاتی ہے۔ آپ مکمل پیشن گوئی کے اندر ایک مخصوص تاریخ کی حد کی درخواست کر سکتے ہیں۔ جب آپ کسی پیشین گوئی سے استفسار کرتے ہیں، تو آپ کو فلٹرنگ کے معیار کی وضاحت کرنی ہوگی۔ فلٹر کلیدی قدر کا جوڑا ہے۔ کلید پیشن گوئی بنانے کے لیے استعمال ہونے والے ڈیٹا سیٹس میں سے ایک اسکیما وصف کے ناموں میں سے ایک ہے (بشمول پیشن گوئی کے طول و عرض)۔ قدر مخصوص کلید کے لیے ایک درست قدر ہے۔ آپ متعدد کلیدی قدر کے جوڑے بتا سکتے ہیں۔ واپس کی گئی پیشن گوئی میں صرف وہ آئٹمز ہوں گے جو تمام معیارات کو پورا کرتے ہیں۔
- میں سے انتخاب کریں استفسار کی پیشن گوئی ڈیش بورڈ پر
- تاریخ آغاز اور اختتامی تاریخ کے لیے فلٹر کا معیار فراہم کریں۔
- اپنی پیشن گوئی کی کلید اور قدر کی وضاحت کریں۔
- میں سے انتخاب کریں پیشن گوئی حاصل کریں۔.
مندرجہ ذیل اسکرین شاٹ پیشن گوئی ماڈل کا استعمال کرتے ہوئے اسی اپارٹمنٹ (آئٹم ID A_10001) کے لیے توانائی کی کھپت کی پیشن گوئی دکھاتا ہے۔
کیا ہو تو تجزیہ بنائیں
اس مقام پر، ہم نے اپنی بنیادی پیشن گوئی تیار کر لی ہے اب کیا ہو تو تجزیہ کر سکتا ہے۔ آئیے ایک ایسے منظر نامے کا تصور کریں جہاں ایک موجودہ اپارٹمنٹ کی عمارت میں توسیع ہوتی ہے، اور گھرانوں اور لوگوں کی تعداد میں 20% اضافہ ہوتا ہے۔ اب آپ کو بڑھتی ہوئی طلب کی بنیاد پر سپلائی میں اضافے کی پیشن گوئی کرنے کے لیے تجزیہ کرنے کی ضرورت ہے۔
کیا ہو تو تجزیہ کرنے کے لیے تین مراحل ہیں: تجزیہ ترتیب دینا، منظر نامے میں کیا تبدیلی آئی ہے اس کی وضاحت کرکے، اور نتائج کا موازنہ کرنا۔
- اپنا تجزیہ ترتیب دینے کے لیے، منتخب کریں۔ کیا ہو تو تجزیہ دریافت کریں۔ ڈیش بورڈ پر
- میں سے انتخاب کریں تخلیق کریں.
- ایک منفرد نام درج کریں اور بیس لائن پیشن گوئی کا انتخاب کریں۔
- اپنے ڈیٹاسیٹ میں وہ آئٹمز منتخب کریں جن کے لیے آپ کیا-اگر تجزیہ کرنا چاہتے ہیں۔ آپ کے پاس دو اختیارات ہیں:
- تمام اشیاء کو منتخب کریں۔ پہلے سے طے شدہ ہے، جسے ہم اس پوسٹ میں منتخب کرتے ہیں۔
- اگر آپ مخصوص اشیاء کو چننا چاہتے ہیں تو منتخب کریں۔ فائل کے ساتھ آئٹمز منتخب کریں۔ اور ایک CSV فائل درآمد کریں جس میں متعلقہ آئٹم اور کسی بھی متعلقہ جہتوں کے لیے منفرد شناخت کنندہ ہو۔
- میں سے انتخاب کریں کیا ہو تو تجزیہ بنائیں.
کیا ہو تو پیشن گوئی بنائیں
اس کے بعد، ہم اس منظرنامے کی وضاحت کے لیے جو ہم تجزیہ کرنا چاہتے ہیں ایک پیشین گوئی بناتے ہیں۔
- میں کیا-اگر پیشن گوئی سیکشن کا انتخاب کریں، تخلیق کریں.
- اپنے منظر نامے کا نام درج کریں۔
- آپ دو اختیارات کے ذریعے اپنے منظر نامے کی وضاحت کر سکتے ہیں:
- تبدیلی کے افعال استعمال کریں۔ - اپنے درآمد کردہ متعلقہ ٹائم سیریز ڈیٹا کو تبدیل کرنے کے لیے ٹرانسفارمیشن بلڈر کا استعمال کریں۔ اس واک تھرو کے لیے، ہم اس بات کا جائزہ لیتے ہیں کہ کس طرح ہمارے ڈیٹاسیٹ میں کسی شے کی مانگ میں تبدیلی آتی ہے جب صارفین کی تعداد بیس لائن پیشن گوئی میں قیمت کے مقابلے میں 20% بڑھ جاتی ہے۔
- متبادل ڈیٹا سیٹ کے ساتھ کیا ہو تو پیشن گوئی کی وضاحت کریں۔ - اپنے درآمد کردہ متعلقہ ٹائم سیریز ڈیٹاسیٹ کو تبدیل کریں۔
ہماری مثال کے طور پر، ہم ایک ایسا منظر نامہ بناتے ہیں جہاں ہم اضافہ کرتے ہیں۔ no_of_consumer
آئٹم ID پر 20% لاگو ہوتا ہے۔ A_10001
، اور no_of_consumer
ڈیٹاسیٹ میں ایک خصوصیت ہے۔ بڑھتی ہوئی طلب کے لیے پانی کی فراہمی کی پیش گوئی کرنے اور اسے پورا کرنے کے لیے آپ کو اس تجزیہ کی ضرورت ہے۔ یہ تجزیہ آپ کو پانی کی طلب کی پیشن گوئی کی بنیاد پر ایک سرمایہ کاری مؤثر معاہدہ کرنے میں بھی مدد کرتا ہے۔
- کے لئے کیا ہو تو پیشن گوئی کی تعریف کا طریقہمنتخب تبدیلی کے افعال استعمال کریں۔.
- میں سے انتخاب کریں ضرب ہمارے آپریٹر کے طور پر، no_of_consumer ہماری ٹائم سیریز کے طور پر، اور 1.2 درج کریں۔
- میں سے انتخاب کریں شرط شامل کریں۔.
- میں سے انتخاب کریں برابر آپریشن کے طور پر اور item_id کے لیے A_10001 درج کریں۔
- میں سے انتخاب کریں تخلیق کریں.
پیشن گوئیوں کا موازنہ کریں۔
اب ہم اپنے دونوں منظرناموں کے لیے پیشین گوئیوں کا موازنہ کر سکتے ہیں، صارفین میں 20% اضافے کا بنیادی مطالبہ کے ساتھ موازنہ کر سکتے ہیں۔
- تجزیہ بصیرت کے صفحہ پر، نیویگیٹ کریں۔ کیا ہو تو پیشن گوئی کا موازنہ کریں۔ سیکشن پر ایک اقتصادی کینڈر سکین کر لیں۔
- کے لئے آئٹم_آئی ڈی، تجزیہ کرنے کے لیے آئٹم درج کریں (ہمارے منظر نامے میں، درج کریں۔
A_10001
). - کے لئے کیا-اگر پیشن گوئیمنتخب کریں
water_demand_whatif_analyis
. - میں سے انتخاب کریں what-if کا موازنہ کریں۔.
- آپ تجزیہ کے لیے بنیادی پیشن گوئی کا انتخاب کر سکتے ہیں۔
مندرجہ ذیل گراف ہمارے منظر نامے کے نتیجے میں طلب کو ظاہر کرتا ہے۔ سرخ لکیر 20% بڑھتی ہوئی آبادی کے لیے مستقبل میں پانی کے استعمال کی پیش گوئی کو ظاہر کرتی ہے۔ P90 کی پیشن گوئی کی قسم اس بات کی نشاندہی کرتی ہے کہ حقیقی قدر کی متوقع قیمت 90% وقت سے کم ہونے کی توقع ہے۔ آپ اس ڈیمانڈ کی پیشن گوئی کو استعمال کر سکتے ہیں تاکہ بڑھتی ہوئی طلب کے لیے پانی کی سپلائی کو مؤثر طریقے سے منظم کیا جا سکے اور کسی بھی سروس میں رکاوٹوں سے بچ سکیں۔
اپنا ڈیٹا ایکسپورٹ کریں۔
اپنا ڈیٹا CSV میں ایکسپورٹ کرنے کے لیے، درج ذیل مراحل کو مکمل کریں:
- میں سے انتخاب کریں ایکسپورٹ بنائیں.
- اپنی ایکسپورٹ فائل کے لیے ایک نام درج کریں (اس پوسٹ کے لیے،
water_demand_export
). - پر منظرناموں کو منتخب کرکے برآمد کیے جانے والے منظرناموں کی وضاحت کریں۔ کیا-اگر پیشن گوئی ڈراپ ڈاؤن مینو
آپ ایک مشترکہ فائل میں ایک ساتھ متعدد منظرنامے برآمد کرسکتے ہیں۔
- کے لئے ایکسپورٹ مقام، Amazon S3 مقام کی وضاحت کریں۔
- برآمد شروع کرنے کے لیے، منتخب کریں۔ ایکسپورٹ بنائیں.
- ایکسپورٹ ڈاؤن لوڈ کرنے کے لیے، Amazon S3 کنسول پر S3 فائل پاتھ لوکیشن پر جائیں، فائل کو منتخب کریں، اور منتخب کریں۔ لوڈ.
برآمد فائل میں شامل ہوگا۔ timestamp
, item_id
، اور forecasts
منتخب کردہ تمام منظرناموں کے لیے ہر ایک کوانٹائل کے لیے (بشمول بنیادی منظر نامے)۔
وسائل کو صاف کریں۔
مستقبل کے چارجز سے بچنے کے لیے، اس حل کے ذریعے بنائے گئے وسائل کو ہٹا دیں:
- پیشن گوئی کے وسائل کو حذف کریں۔ آپ نے بنایا.
- S3 بالٹی کو حذف کریں۔.
نتیجہ
اس پوسٹ میں، ہم نے آپ کو دکھایا کہ پانی کی کھپت کے اعداد و شمار کا استعمال کرتے ہوئے پانی کی طلب کی پیش گوئی کرنے کے لیے پیشن گوئی اور اس کے بنیادی نظام کے فن تعمیر کو کس طرح استعمال کرنا ہے۔ کاروبار کی غیر یقینی صورتحال سے گزرنے میں مدد کرنے کے لیے کیا ہو تو منظر نامے کا تجزیہ ایک اہم ذریعہ ہے۔ یہ دور اندیشی اور خیالات کی جانچ کے لیے ایک طریقہ کار فراہم کرتا ہے، جس سے کاروبار زیادہ لچکدار، بہتر طور پر تیار، اور ان کے مستقبل کے کنٹرول میں رہتے ہیں۔ دیگر یوٹیلیٹی فراہم کنندگان جیسے بجلی یا گیس فراہم کرنے والے حل تیار کرنے اور لاگت سے مؤثر طریقے سے یوٹیلیٹی کی طلب کو پورا کرنے کے لیے پیشن گوئی کا استعمال کر سکتے ہیں۔
اس پوسٹ کے اقدامات نے یہ ظاہر کیا ہے کہ حل کو کیسے بنایا جائے۔ AWS مینجمنٹ کنسول. حل کی تعمیر کے لیے براہ راست Forecast APIs استعمال کرنے کے لیے، ہماری نوٹ بک پر عمل کریں۔ GitHub repo.
ہم آپ کو وزٹ کرکے مزید جاننے کی ترغیب دیتے ہیں۔ ایمیزون پیشن گوئی ڈویلپر گائیڈ اور اپنے کاروبار کے KPIs سے متعلقہ ڈیٹا سیٹ کے ساتھ ان سروسز کے ذریعے فعال کردہ اینڈ ٹو اینڈ حل کو آزمائیں۔
مصنف کے بارے میں
دھیرج ٹھاکر ایمیزون ویب سروسز کے ساتھ ایک حل آرکیٹیکٹ ہے۔ وہ AWS صارفین اور شراکت داروں کے ساتھ کام کرتا ہے تاکہ انٹرپرائز کلاؤڈ اپنانے، منتقلی اور حکمت عملی کے بارے میں رہنمائی فراہم کرے۔ وہ ٹیکنالوجی کے بارے میں پرجوش ہے اور تجزیات اور AI/ML اسپیس میں تعمیر اور تجربہ کرنے سے لطف اندوز ہوتا ہے۔
- SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
- پلیٹو بلاک چین۔ Web3 Metaverse Intelligence. علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
- ماخذ: https://aws.amazon.com/blogs/machine-learning/build-a-water-consumption-forecasting-solution-for-a-water-utility-agency-using-amazon-forecast/
- 1
- 11
- a
- ہمارے بارے میں
- قبول کریں
- تک رسائی حاصل
- درستگی
- درست
- درست طریقے سے
- حاصل
- کے پار
- شامل کیا
- ایڈیشنل
- اس کے علاوہ
- پتہ
- جوڑتا ہے
- منہ بولابیٹا بنانے
- پر اثر انداز
- ایجنسیوں
- ایجنسی
- زراعت
- آگے
- AI / ML
- AIR
- تمام
- متبادل
- ہمیشہ
- ایمیزون
- ایمیزون کی پیشن گوئی
- ایمیزون ویب سروسز
- کے درمیان
- تجزیہ
- تجزیاتی
- تجزیے
- اور
- اپارٹمنٹ
- اپارٹمنٹ
- APIs
- قابل اطلاق
- تقریبا
- فن تعمیر
- رقبہ
- ارد گرد
- منسلک
- سے اجتناب
- AWS
- متوازن
- بیس
- کی بنیاد پر
- بیس لائن
- کیونکہ
- بن
- اس سے پہلے
- یقین ہے کہ
- بہتر
- کے درمیان
- سے پرے
- تعمیر
- بلڈر
- عمارت
- بناتا ہے
- کاروبار
- کاروبار
- بٹن
- گرفتاری
- احتیاط سے
- کیس
- مقدمات
- کچھ
- چیلنج
- تبدیلیاں
- تبدیل کرنے
- بوجھ
- میں سے انتخاب کریں
- بادل
- بادل اپنانا
- کلاؤڈ بنیادی ڈھانچے
- جمع کرتا ہے
- مجموعہ
- مل کر
- وابستگی
- کامن
- موازنہ
- مقابلے میں
- موازنہ
- تکمیلی
- مکمل
- کمپیوٹنگ
- سلوک
- چل رہا ہے
- غور کریں
- کنسول
- صارفین
- صارفین
- کھپت
- پر مشتمل ہے
- کنٹریکٹ
- معاہدے
- کنٹرول
- باہمی تعلق۔
- اسی کے مطابق
- سرمایہ کاری مؤثر
- تخلیق
- بنائی
- تخلیق
- معیار
- اہم
- گاہک
- گاہکوں
- ڈیش بورڈ
- اعداد و شمار
- ڈیٹاسیٹس
- تاریخ
- دن
- پہلے سے طے شدہ
- وضاحت کرتا ہے
- وضاحت
- ڈیمانڈ
- ڈیمانڈ پیشن گوئی
- demonstrated,en
- ڈیولپر
- ترقی
- مختلف
- طول و عرض
- براہ راست
- نہیں کرتا
- ڈومین
- نہیں
- ڈاؤن لوڈ، اتارنا
- کے دوران
- متحرک
- ہر ایک
- اس سے قبل
- اقتصادی
- اقتصادی ترقی
- مؤثر طریقے
- مؤثر طریقے سے
- بجلی
- چالو حالت میں
- کے قابل بناتا ہے
- کی حوصلہ افزائی
- آخر سے آخر تک
- ختم ہو جاتا ہے
- توانائی
- توانائی کی کھپت
- کافی
- درج
- انٹرپرائز
- Ether (ETH)
- اندازہ
- مثال کے طور پر
- موجودہ
- توقع
- مہنگی
- تجربہ
- وضاحت
- برآمد
- مدت ملازمت میں توسیع
- چہرہ
- تیز تر
- نمایاں کریں
- فیس
- فائل
- فائلوں
- فلٹر
- فلٹرنگ
- مل
- پہلا
- توجہ مرکوز
- پر عمل کریں
- کے بعد
- پیشن گوئی
- فرکوےنسی
- سے
- مکمل طور پر
- افعال
- مستقبل
- گیس
- پیدا
- حاصل کرنے
- دی
- گراف
- گروپ
- گروپ کا
- ترقی
- ہینڈلنگ
- کٹائی
- مدد
- مدد کرتا ہے
- اعلی
- انتہائی
- تاریخی
- افق
- HOURS
- گھریلو
- مکانات
- کس طرح
- کیسے
- تاہم
- HTML
- HTTPS
- IAM
- خیالات
- شناخت
- شناختی
- اثر
- درآمد
- اہم
- کو بہتر بنانے کے
- بہتر
- in
- شامل
- شامل ہیں
- سمیت
- اضافہ
- اضافہ
- اضافہ
- اشارہ کرتا ہے
- صنعت
- معلومات
- انفراسٹرکچر
- بصیرت
- ہدایات
- انوینٹری
- انوینٹری مینجمنٹ
- کی تحقیقات
- IT
- اشیاء
- رکھیں
- کلیدی
- جان
- جانا جاتا ہے
- جانیں
- سیکھنے
- چھوڑ کر
- لائن
- زندگی
- رہ
- محل وقوع
- لانگ
- لو
- کم قیمتیں
- مشین
- مشین لرننگ
- بنا
- انتظام
- میں کامیاب
- انتظام
- لازمی
- دستی طور پر
- میکانزم
- سے ملو
- مینو
- میٹا ڈیٹا
- شاید
- منتقلی
- کم سے کم
- ML
- ماڈل
- ماڈل
- زیادہ
- صبح
- سب سے زیادہ
- ایک سے زیادہ
- نام
- نام
- قدرتی
- تشریف لے جائیں
- ضرورت ہے
- نئی
- نوٹ بک
- تعداد
- ایک
- آپریشن
- آپریشنز
- آپریٹر
- اختیار
- آپشنز کے بھی
- حکم
- دیگر
- مجموعی طور پر
- جوڑے
- خاص طور پر
- شراکت داروں کے
- جذباتی
- گزشتہ
- راستہ
- پیٹرن
- ادا
- لوگ
- فیصد
- انجام دینے کے
- کارکردگی کا مظاہرہ
- اجازتیں
- لینے
- منصوبہ
- منصوبہ بندی
- پلاٹا
- افلاطون ڈیٹا انٹیلی جنس
- پلیٹو ڈیٹا
- پوائنٹ
- آبادی
- پوسٹ
- ممکنہ
- پیشن گوئی
- پیش گوئی
- پیش گوئی
- پیش گو
- تیار
- قیمت
- قیمتیں
- پرائمری
- پہلے
- مصنوعات
- پیش رفت
- فراہم
- فراہم کنندہ
- فراہم کرنے والے
- فراہم کرتا ہے
- فراہم کرنے
- پراجیکٹ
- فوری
- رینج
- وجوہات
- ریڈ
- خطے
- متعلقہ
- متعلقہ
- ہٹا
- کی جگہ
- نمائندگی
- درخواست
- لچکدار
- وسائل
- وسائل
- نتیجے
- نتائج کی نمائش
- بڑھتی ہوئی
- کردار
- رن
- اسی
- منظرنامے
- بغیر کسی رکاوٹ کے
- سیکشن
- منتخب
- منتخب
- سیریز
- سروس
- سروسز
- مقرر
- قائم کرنے
- کئی
- شوز
- سادہ
- So
- حل
- حل
- ذرائع
- جنوبی
- خلا
- مخصوص
- مخصوص
- مستحکم
- مراحل
- شروع کریں
- شروع
- مراحل
- ذخیرہ
- ذخیرہ
- حکمت عملی
- ساخت
- کافی
- موسم گرما
- فراہمی
- طلب اور رسد
- کے نظام
- لے لو
- ہدف
- ٹیکنالوجی
- ۔
- علاقہ
- مستقبل
- ان
- لہذا
- تین
- کے ذریعے
- بھر میں
- وقت
- وقت کا سلسلہ
- اوقات
- ٹائمسٹیمپ
- کرنے کے لئے
- کے آلے
- ٹریک
- ٹرین
- تربیت یافتہ
- ٹریننگ
- تبدیل
- تبدیلی
- سفر
- سچ
- صحیح قدر
- اقسام
- غیر یقینی صورتحال
- کے تحت
- بنیادی
- منفرد
- یونٹس
- استعمال
- استعمال کی شرائط
- استعمال کیس
- کی افادیت
- قیمت
- مختلف اقسام کے
- واک تھرو
- پانی
- موسم
- ویب
- ویب خدمات
- کیا
- کیا ہے
- جس
- جبکہ
- وسیع
- گے
- موسم سرما
- کے اندر
- بغیر
- افرادی قوت۔
- کام کرتا ہے
- اور
- زیفیرنیٹ