Amazon Forecast tidak lagi tersedia untuk pelanggan baru. Pelanggan Amazon Forecast yang ada dapat terus menggunakan layanan seperti biasa. [Pelajari lebih lanjut”](https://aws.amazon.com/blogs/machine-learning/transition-your-amazon-forecast-usage-to-amazon-sagemaker-canvas/)
Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Memulai
Untuk mulai menggunakan Amazon Forecast, Anda melakukan hal berikut.
+ Buat kumpulan data Forecast dan impor data pelatihan.
+ Buat prediktor Forecast, yang Anda gunakan menghasilkan perkiraan berdasarkan data deret waktu Anda. Forecast menerapkan kombinasi algoritma yang optimal untuk setiap deret waktu dalam kumpulan data Anda.
+ Hasilkan perkiraan.
Dalam latihan ini, Anda menggunakan versi modifikasi dari dataset penggunaan listrik yang tersedia untuk umum untuk melatih prediktor. Untuk informasi selengkapnya, lihat [ElectricityLoadDiagramsKumpulan Data 20112014](https://archive.ics.uci.edu/ml/datasets/ElectricityLoadDiagrams20112014). Berikut ini adalah contoh baris dari dataset:
```
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
```
Untuk latihan ini, Anda menggunakan dataset untuk melatih prediktor, dan kemudian memprediksi penggunaan listrik per jam oleh klien.
Anda dapat menggunakan konsol Forecast atau AWS Command Line Interface (AWS CLI) untuk latihan ini. Perhatikan wilayah default konsol Amazon Forecast, the, dan Amazon Forecast AWS CLI SDKs, karena sumber daya Amazon Forecast tidak dibagikan di seluruh wilayah.
**penting**
Sebelum Anda mulai, pastikan bahwa Anda memiliki Akun AWS dan telah menginstal AWS CLI. Untuk informasi selengkapnya, lihat [Mengatur](setup.md). Kami juga menyarankan Anda meninjau[Cara Kerja Amazon Forecast](how-it-works.md).
**Topics**
+ [Siapkan Data Input](#gs-upload-data-to-s3)
+ [Memulai (Konsol)](gs-console.md)
+ [Memulai (AWS CLI)](gs-cli.md)
+ [Memulai (Notebook Python)](getting-started-python.md)
+ [Pembersihan Sumber Daya](#gs-cleanup)
## Siapkan Data Input
Terlepas dari apakah Anda menggunakan konsol Amazon Forecast atau AWS Command Line Interface (AWS CLI) untuk menyiapkan proyek peramalan, Anda perlu menyiapkan data input. Untuk menyiapkan data Anda, Anda melakukan hal berikut:
+ Unduh data pelatihan ke komputer Anda dan unggah ke bucket Amazon Simple Storage Service (Amazon S3) di bucket Anda. Akun AWS Untuk mengimpor data ke kumpulan data Amazon Forecast, Anda harus menyimpannya di bucket Amazon S3.
+ Buat peran AWS Identity and Access Management (IAM). Anda memberikan izin Amazon Forecast untuk mengakses bucket S3 Anda dengan peran IAM. Untuk informasi selengkapnya tentang peran IAM, lihat [Peran IAM](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles.html) dalam *Panduan Pengguna IAM*.
**Untuk menyiapkan data pelatihan**
1. Unduh file zip, [electricityusagedata.zip](samples/electricityusagedata.zip).
Untuk latihan ini, Anda menggunakan versi modifikasi dari dataset konsumsi daya listrik rumah tangga individu. (Dua, D. dan Karra Taniskidou, E. (2017). [Repositori Machine Learning UCI [http://archive.ics.uci.edu/ml].](http://archive.ics.uci.edu/ml) Irvine, CA: Universitas California, Sekolah Informasi dan Ilmu Komputer.) Kami mengumpulkan data penggunaan setiap jam.
1. Unzip konten dan simpan secara lokal sebagai `electricityusagedata.csv`.
1. Unggah file data ke bucket S3.
Untuk step-by-step petunjuk, lihat [Mengunggah File dan Folder dengan Menggunakan Seret dan Jatuhkan](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/upload-objects.html) di *Panduan Pengguna Layanan Penyimpanan Sederhana Amazon*.
1. Buat peran IAM.
Jika Anda ingin menggunakan latihan AWS CLI untuk Memulai, Anda harus membuat peran IAM. Jika Anda menggunakan konsol, Anda dapat membuatnya membuat peran untuk Anda. Untuk step-by-step instruksi, lihat[Mengatur Izin untuk Amazon Forecast](aws-forecast-iam-roles.md).
Setelah selesai mengunggah data ke Amazon S3, Anda siap menggunakan konsol Amazon Forecast atau AWS CLI untuk mengimpor data pelatihan, membuat prediktor, membuat perkiraan, dan melihat ramalannya.
+ [Memulai (Konsol)](gs-console.md)
+ [Memulai (AWS CLI)](gs-cli.md)
## Pembersihan Sumber Daya
Untuk menghindari biaya yang tidak perlu, hapus sumber daya yang Anda buat setelah Anda selesai dengan latihan memulai. Untuk menghapus sumber daya, gunakan konsol Amazon Forecast atau `Delete` APIs from SDKs atau AWS Command Line Interface (AWS CLI). Misalnya, gunakan [DeleteDataset](API_DeleteDataset.md) API untuk menghapus kumpulan data.
Untuk menghapus sumber daya, statusnya harus`ACTIVE`,`CREATE_FAILED`, atau`UPDATE_FAILED`. Periksa status menggunakan `Describe` APIs, misalnya,[DescribeDataset](API_DescribeDataset.md).
Beberapa sumber daya harus dihapus sebelum yang lain, seperti yang ditunjukkan pada tabel berikut. Proses ini bisa memakan waktu.
Untuk menghapus data latihan yang Anda unggah` electricityusagedata.csv`, lihat [Bagaimana Cara Menghapus Objek dari Bucket S3?](https://docs.aws.amazon.com/AmazonS3/latest/userguide/delete-objects.html) .
| Sumber Daya untuk Dihapus | Hapus Ini Pertama | Catatan |
| --- | --- | --- |
| ForecastExportJob | | |
| Forecast | | Anda tidak dapat menghapus perkiraan saat sedang diekspor. Setelah perkiraan dihapus, Anda tidak dapat lagi menanyakan perkiraan. |
| Predictor | Semua prakiraan terkait. | |
| DatasetImportJob | | Tidak bisa dihapus. |
| Dataset | | Semua `DatasetImportJob` yang menargetkan kumpulan data juga dihapus. Anda tidak dapat menghapus `Dataset` yang digunakan oleh prediktor. |
| DatasetSchema | Semua kumpulan data yang mereferensikan skema. | |
| DatasetGroup | Semua prediktor terkaitSemua prakiraan terkait.Semua kumpulan data dalam grup dataset. | Anda tidak dapat menghapus yang berisi `DatasetGroup` yang `Dataset` digunakan oleh prediktor. |