신규 고객은 Amazon Forecast를 더 이상 사용할 수 없습니다. Amazon Forecast의 기존 고객은 평소와 같이 서비스를 계속 사용할 수 있습니다. [자세히 알아보기](https://aws.amazon.com/blogs/machine-learning/transition-your-amazon-forecast-usage-to-amazon-sagemaker-canvas/)
기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# 시작하기
Amazon Forecast를 사용하여 시작하려면 다음을 수행하십시오.
+ Amazon Forecast 데이터 세트를 생성하고 훈련 데이터를 가져옵니다.
+ Forecast 예측기를 생성하여 시계열 데이터를 기반으로 예측을 생성하는 데 사용할 수 있습니다. Forecast는 데이터 세트의 각 시계열에 최적의 알고리즘 조합을 적용합니다.
+ 예상을 발생합니다.
이 연습에서는 공개적으로 사용 가능한 전기 사용량 데이터 세트의 수정 버전을 사용하여 예측기를 훈련합니다. 자세한 사항은 [ElectricityLoadDiagrams20112014 데이터 세트](https://archive.ics.uci.edu/ml/datasets/ElectricityLoadDiagrams20112014)를 참조합니다. 다음은 데이터 세트의 행 예제입니다.
```
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
```
이 연습에서는 데이터 세트를 사용하여 예측기를 교육한 후 클라이언트의 시간별 전기 사용량을 예상합니다.
이 연습에서는 Forecast 콘솔 또는 AWS Command Line Interface (AWS CLI)를 사용할 수 있습니다. Amazon Forecast 리소스는 리전 간에 공유되지 않으므로 Amazon Forecast 콘솔 AWS CLI, 및 Amazon Forecast SDKs의 기본 리전에 주의하세요.
**중요**
시작하기 전에 AWS 계정 및가 설치되어 있는지 확인합니다 AWS CLI. 자세한 내용은 [설정](setup.md) 단원을 참조하십시오. 또한 [Amazon Forecast 작동 방식](how-it-works.md)을 검토하는 것이 좋습니다.
**Topics**
+ [입력 데이터 준비](#gs-upload-data-to-s3)
+ [시작하기(콘솔)](gs-console.md)
+ [시작하기(AWS CLI)](gs-cli.md)
+ [시작하기(Python 노트북)](getting-started-python.md)
+ [리소스 정리](#gs-cleanup)
## 입력 데이터 준비
Amazon Forecast 콘솔 또는 AWS Command Line Interface (AWS CLI)를 사용하여 예측 프로젝트를 설정하든 관계없이 입력 데이터를 설정해야 합니다. 데이터를 준비하려면 다음을 수행합니다.
+ 훈련 데이터를 컴퓨터에 다운로드하고 AWS 계정의 Amazon Simple Storage Service(S3) 버킷에 업로드합니다. 데이터를 Amazon Forecast 데이터 세트로 가져오려면 Amazon S3 버킷에 저장해야 합니다.
+ AWS Identity and Access Management (IAM) 역할을 생성합니다. Amazon Forecast에 IAM 역할을 사용하여 S3 버킷에 액세스할 수 있는 권한을 부여합니다. IAM 역할에 대한 자세한 내용은 IAM 사용 설명서의 [IAM 역할](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles.html) 섹션을 참조하세요.**
**교육 데이터 준비 방법**
1. 집 파일 [electricityusagedata.zip](samples/electricityusagedata.zip)을 다운로드합니다.
이 연습에서는 수정된 버전의 개별 가정 전력 소비량 데이터 세트를 사용합니다. (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.) 사용량 데이터는 시간별로 집계됩니다.
1. 콘텐츠의 압축을 풀고 `electricityusagedata.csv`로 로컬로 저장합니다.
1. 이 데이터 파일을 S3 버킷에 업로드합니다.
단계별 지침은 *Amazon Simple Storage Service 사용 설명서*의 [드래그 앤 드롭을 사용하여 파일 및 폴더 업로드](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/upload-objects.html)를 참조하세요.
1. IAM 역할을 생성합니다.
시작하기 연습에 AWS CLI 를 사용하려면 IAM 역할을 생성해야 합니다. 콘솔을 사용하는 경우 콘솔에서 역할을 생성할 수 있습니다. 단계별 지침은 [Amazon Forecast에 대한 권한 설정](aws-forecast-iam-roles.md)섹션을 참조하세요.
Amazon S3에 데이터 업로드를 마치면 Amazon Forecast 콘솔 또는 AWS CLI 를 사용하여 훈련 데이터를 가져오고, 예측기를 생성하고, 예측을 생성하고, 예측을 볼 준비가 된 것입니다.
+ [시작하기(콘솔)](gs-console.md)
+ [시작하기(AWS CLI)](gs-cli.md)
## 리소스 정리
불필요한 요금이 발생하지 않도록 하려면 시작하기 연습을 마쳤을 때에 생성한 리소스를 삭제합니다. 리소스를 삭제하려면 Amazon Forecast 콘솔 또는 SDK나 AWS Command Line Interface (AWS CLI)의 `Delete` API를 사용합니다. 예를 들어 데이터 세트를 삭제하려면 [DeleteDataset](API_DeleteDataset.md) API를 사용합니다.
리소스를 삭제하려면, 상태가 `ACTIVE`, `CREATE_FAILED`, 또는 `UPDATE_FAILED`여야 합니다. `Describe` API를 사용하여 상태를 확인합니다(예: [DescribeDataset](API_DescribeDataset.md)).
다음 표와 같이 일부 리소스는 다른 리소스를 삭제하기 전에 삭제해야 합니다. 이 프로세스는 다소 시간이 걸릴 수 있습니다.
업로드한 교육 데이터 ` electricityusagedata.csv`를 삭제하려면, [S3 버킷에서 객체를 삭제하려면?](https://docs.aws.amazon.com/AmazonS3/latest/userguide/delete-objects.html)을 참조하십시오.
| 삭제할 리소스 | 먼저 삭제할 리소스 | Notes |
| --- | --- | --- |
| ForecastExportJob | | |
| Forecast | | 내보내는 동안에는 예상을 삭제할 수 없습니다. 예상이 삭제된 후에는 더 이상 예상을 쿼리할 수 없습니다. |
| Predictor | 모든 연결된 예상. | |
| DatasetImportJob | | 삭제할 수 없습니다. |
| Dataset | | 또한 데이터베이스를 대상으로 하는 모든 `DatasetImportJob`이 삭제됩니다. 예측기에서 사용하는 `Dataset`는 삭제할 수 없습니다. |
| DatasetSchema | 스키마를 참조하는 모든 데이터세트 | |
| DatasetGroup | 모든 연결된 예측기모든 연결된 예상.데이터세트 그룹 내 모든 데이터세트. | 예측기에서 사용하는 `Dataset`가 포함된 `DatasetGroup`은 삭제할 수 없습니다. |