O Amazon Forecast não está mais disponível para novos clientes. Os clientes existentes do Amazon Forecast podem continuar usando o serviço normalmente. [Saiba mais](https://aws.amazon.com/blogs/machine-learning/transition-your-amazon-forecast-usage-to-amazon-sagemaker-canvas/)
As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
# Conceitos básicos
Para começar a usar o Amazon Forecast, faça o seguinte.
+ Crie um conjunto de dados do Forecast e importe os dados de treinamento.
+ Crie um preditor do Forecast, que você usará para gerar previsões com base em seus dados de séries temporais. O Forecast aplica a combinação ideal de algoritmos a cada série temporal nos conjuntos de dados.
+ Gere uma previsão.
Neste exercício, você usa uma versão modificada de um conjunto de dados de uso de eletricidade disponível publicamente para treinar os preditores. Para obter mais informações, consulte Conjunto de [dados ElectricityLoadDiagrams 2011-2014](https://archive.ics.uci.edu/ml/datasets/ElectricityLoadDiagrams20112014). As linhas de exemplo a seguir são exemplos do conjunto de dados:
```
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
```
Para este exercício, você usa o conjunto de dados para treinar um preditor e prever o uso de eletricidade por hora do cliente.
Você pode usar o console Forecast ou o AWS Command Line Interface (AWS CLI) para este exercício. Preste atenção às regiões padrão do console Amazon Forecast, do e do AWS CLI Amazon Forecast SDKs, pois os recursos do Amazon Forecast não são compartilhados entre regiões.
**Importante**
Antes de começar, verifique se você tem um Conta da AWS e instalou AWS CLI o. Para obter mais informações, consulte [Configuração](setup.md). Recomendamos rever [Como funciona o Amazon Forecast](how-it-works.md).
**Topics**
+ [Preparar dados de entrada](#gs-upload-data-to-s3)
+ [Conceitos básicos (console)](gs-console.md)
+ [Conceitos básicos (AWS CLI)](gs-cli.md)
+ [Conceitos básicos (cadernos Python)](getting-started-python.md)
+ [Limpar recursos](#gs-cleanup)
## Preparar dados de entrada
Independentemente de você usar o console Amazon Forecast ou o AWS Command Line Interface (AWS CLI) para configurar um projeto de previsão, você precisa configurar seus dados de entrada. Para preparar os dados, você faz o seguinte:
+ Faça download dos dados de treinamento em seu computador e faça upload dos mesmos em um bucket do Amazon Simple Storage Service (Amazon S3) na sua Conta da AWS. Para importar os dados para um conjunto de dados do Amazon Forecast, você deve armazená-los em um bucket do Amazon S3.
+ Crie uma função AWS Identity and Access Management (IAM). Você concede permissão ao Amazon Forecast para acessar o bucket do S3 com o perfil do IAM. Para obter mais informações sobre funções do IAM, consulte [Perfis do IAM](https://docs.aws.amazon.com/IAM/latest/UserGuide/id_roles.html) no *Guia do usuário do IAM*.
**Para preparar os dados de treinamento.**
1. Faça download do arquivo zip, [electricityusagedata.zip](samples/electricityusagedata.zip).
Neste exercício, você usa uma versão modificada do conjunto de dados de consumo individual de energia elétrica em casa. (Dua, D. e Karra Taniskidou, E. (2017). UCI Machine Learning Repository [[http://archive.ics.uci.edu/ml](http://archive.ics.uci.edu/ml)]. Irvine, CA: Universidade da Califórnia, Escola de Ciências da Informação e da Computação.) Agregamos os dados de uso por hora.
1. Descompacte o conteúdo e salve-o localmente como `electricityusagedata.csv`.
1. Faça upload do arquivo de dados em um bucket do S3.
Para step-by-step obter instruções, consulte Como [carregar arquivos e pastas usando o recurso de arrastar e soltar](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/upload-objects.html) no *Guia do usuário do Amazon Simple Storage Service*.
1. Criar um perfil do IAM.
Se quiser usar o AWS CLI para o exercício de introdução, você deve criar uma função do IAM. Se usar o console, você poderá fazer com que ele crie a função para você. Para step-by-step obter instruções, consulte[Configurar permissões para o Amazon Forecast](aws-forecast-iam-roles.md).
Depois de concluir o upload dos dados para o Amazon S3, você estará pronto para usar o console Amazon Forecast ou AWS CLI para importar dados de treinamento, criar um preditor, gerar uma previsão e ver a previsão.
+ [Conceitos básicos (console)](gs-console.md)
+ [Conceitos básicos (AWS CLI)](gs-cli.md)
## Limpar recursos
Para evitar cobranças desnecessárias, exclua os recursos que você criou depois de concluir o exercício de conceitos básicos. Para excluir os recursos, use o console do Amazon Forecast ou o `Delete` APIs do SDKs ou do AWS Command Line Interface (AWS CLI). Por exemplo, use a API [DeleteDataset](API_DeleteDataset.md) para excluir um conjunto de dados.
Para excluir um recurso, seu status deve ser `ACTIVE`, `CREATE_FAILED` ou `UPDATE_FAILED`. Verifique o status usando `Describe` APIs, por exemplo,[DescribeDataset](API_DescribeDataset.md).
Alguns recursos devem ser excluídos antes de outros, conforme mostrado na tabela a seguir. Esse processo pode levar algum tempo.
Para excluir os dados de treinamento do qual você fez upload, ` electricityusagedata.csv`, consulte [Como excluir objetos de um bucket do S3?](https://docs.aws.amazon.com/AmazonS3/latest/userguide/delete-objects.html).
| Recurso a excluir | Excluir este primeiro | Observações |
| --- | --- | --- |
| ForecastExportJob | | |
| Forecast | | Não é possível excluir uma previsão enquanto ela está sendo exportada. Depois que uma previsão é excluída, você não poderá mais consultá-la. |
| Predictor | Todas as previsões associadas. | |
| DatasetImportJob | | Não pode ser excluído. |
| Dataset | | Todos os `DatasetImportJob`s que têm como destino o conjunto de dados também são excluídos. Não é possível excluir um `Dataset` que é usado por um preditor. |
| DatasetSchema | Todos os conjuntos de dados que fazem referência ao esquema. | |
| DatasetGroup | Todos os preditores associadosTodas as previsões associadas.Todos os conjuntos de dados no grupo de conjuntos de dados. | Não é possível excluir um `DatasetGroup` que contém um `Dataset` usado por um preditor. |