Amazon Forecast ya no está disponible para nuevos clientes. Los clientes actuales de Amazon Forecast pueden seguir utilizando el servicio con normalidad. [Más información](https://aws.amazon.com/blogs/machine-learning/transition-your-amazon-forecast-usage-to-amazon-sagemaker-canvas/)
Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
# Introducción
Para empezar a utilizar Amazon Forecast, debe hacer lo siguiente.
+ Cree un conjunto de datos de Forecast e importe datos de entrenamiento.
+ Cree un predictor de Forecast que se utilice para generar previsiones basadas en los datos de serie temporal. Forecast aplica la combinación óptima de algoritmos a cada serie temporal de sus conjuntos de datos.
+ Generar una previsión.
En este ejercicio, se utiliza una versión modificada de un conjunto de datos de uso de electricidad disponible públicamente para entrenar un predictor. Para obtener más información, consulte [Conjunto de datos ElectricityLoadDiagrams 2011-2014](https://archive.ics.uci.edu/ml/datasets/ElectricityLoadDiagrams20112014). A continuación se incluyen ejemplos de filas del conjunto de datos:
```
2014-01-01 01:00:00, 2.53807106598985, client_0
2014-01-01 01:00:00, 23.648648648648624, client_1
2014-01-01 02:00:00, 9.648648648612345, client_0
```
En este ejercicio se va a utilizar el conjunto de datos para entrenar un predictor y, a continuación, predecir el uso de electricidad por hora y por cliente.
Puede utilizar la consola Forecast o AWS Command Line Interface (AWS CLI) para este ejercicio. Presta atención a las regiones predeterminadas de la consola de Amazon Forecast AWS CLI, y de Amazon Forecast SDKs, ya que los recursos de Amazon Forecast no se comparten entre regiones.
**importante**
Antes de empezar, asegúrese de tener una Cuenta de AWS y de haber instalado la AWS CLI. Para obtener más información, consulte [Configuración](setup.md). También le recomendamos que revise [Funcionamiento de Amazon Forecast](how-it-works.md).
**Topics**
+ [Preparar datos de entrada](#gs-upload-data-to-s3)
+ [Introducción (consola)](gs-console.md)
+ [Introducción (AWS CLI)](gs-cli.md)
+ [Introducción (Cuadernos de Python)](getting-started-python.md)
+ [Eliminación de recursos de](#gs-cleanup)
## Preparar datos de entrada
Independientemente de si utilizas la consola Amazon Forecast o AWS Command Line Interface (AWS CLI) para configurar un proyecto de previsión, debes configurar los datos de entrada. Para preparar los datos, realice lo siguiente:
+ Descargue los datos de entrenamiento a su ordenador y cárguelos en un bucket de Amazon Simple Storage Service (Amazon S3) en su Cuenta de AWS. Para importar los datos en un conjunto de datos de Amazon Forecast, debe almacenarlos en un bucket de Amazon S3.
+ Cree un rol AWS Identity and Access Management (IAM). Otorgue permiso a Amazon Forecast para acceder a su bucket de S3 con el rol de IAM. Para obtener más información acerca de los roles de IAM, consulte [Roles de IAM](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles.html) en la *guía del usuario de IAM*.
**Para preparar los datos de entrenamiento**
1. Descargue el archivo zip, [electricityusagedata.zip](samples/electricityusagedata.zip).
En este ejercicio se va a utilizar una versión modificada del conjunto de datos de consumo eléctrico doméstico individual. (Dua, D. and Karra Taniskidou, E. (2017). UCI Machine Learning Repository [[http://archive.ics.uci.edu/ml](http://archive.ics.uci.edu/ml)]. Irvine, CA: University of California, School of Information and Computer Science). Agregamos los datos de uso cada hora.
1. Descomprima el contenido y guárdelo localmente como `electricityusagedata.csv`.
1. Cargue el archivo de datos en un bucket de S3.
Para step-by-step obtener instrucciones, consulte [Carga de archivos y carpetas mediante la función de arrastrar y soltar](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/upload-objects.html) en la *Guía del usuario de Amazon Simple Storage Service*.
1. Crear un rol de IAM.
Si quiere utilizar el ejercicio AWS CLI de introducción, debe crear un rol de IAM. Si utiliza la consola, puede hacer que cree el rol por usted. Para obtener step-by-step instrucciones, consulte[Configuración de permisos para Amazon Forecast](aws-forecast-iam-roles.md).
Cuando termine de cargar los datos en Amazon S3, podrá utilizar la consola Amazon Forecast o la AWS CLI para importar datos de entrenamiento, crear un predictor, generar un pronóstico y ver el pronóstico.
+ [Introducción (consola)](gs-console.md)
+ [Introducción (AWS CLI)](gs-cli.md)
## Eliminación de recursos de
Para evitar incurrir en gastos innecesarios, elimine los recursos que ha creado cuando termine el ejercicio de introducción. Para eliminar los recursos, utilice la consola Amazon Forecast o `Delete` APIs from the SDKs o AWS Command Line Interface (AWS CLI). Por ejemplo, utilice la API [DeleteDataset](API_DeleteDataset.md) para eliminar un conjunto de datos.
Para eliminar un recurso, su estado debe estar en `ACTIVE`, `CREATE_FAILED` o `UPDATE_FAILED`. Compruebe el estado mediante `Describe` APIs, por ejemplo,[DescribeDataset](API_DescribeDataset.md).
Algunos recursos deben eliminarse antes que otros, tal y como se muestra en la siguiente tabla. Este proceso puede tardar algún tiempo.
Para eliminar los datos de entrenamiento que cargó, ` electricityusagedata.csv`, consulte [¿Cómo se eliminan objetos de un bucket de S3?](https://docs.aws.amazon.com/AmazonS3/latest/userguide/delete-objects.html)
| Recurso para eliminar | Eliminar esto primero | Notas |
| --- | --- | --- |
| ForecastExportJob | | |
| Forecast | | No se puede eliminar una previsión mientras se está exportando. Una vez que elimine una previsión, ya no podrá consultarla. |
| Predictor | Todas las previsiones asociadas. | |
| DatasetImportJob | | No se puede eliminar. |
| Dataset | | También se eliminan todos los objetos `DatasetImportJob` que tienen como destino el conjunto de datos. No se puede eliminar una `Dataset` que utilice un predictor. |
| DatasetSchema | Todos los conjuntos de datos que hagan referencia al esquema. | |
| DatasetGroup | Todos los predictores asociadosTodas las previsiones asociadas.Todos los conjuntos de datos del grupo de conjuntos de datos. | No se puede eliminar un `DatasetGroup` que contenga un `Dataset` utilizado por un predictor. |