Previsión con AutoML

Para ver un ejemplo de cómo crear, entrenar y usar un modelo de previsión de series temporales de AutoML para la predicción por lotes, ejecuta el notebook de Jupyter “Modelo de previsión tabular de AutoML para la predicción por lotes” en uno de los siguientes entornos:

Abrir en Colab | Abrir en Colab Enterprise | Abrir en notebooks administrados por el usuario de Vertex AI Workbench | Ver en GitHub

Los modelos de previsión predicen una secuencia de valores. Por ejemplo, como minorista, te recomendamos prever la demanda diaria de tus productos durante los próximos 3 meses para que puedas almacenar los inventarios de productos de forma adecuada con anticipación.

Flujo de trabajo para crear un modelo de previsión y hacer predicciones

El proceso para crear un modelo de previsión en Vertex AI es el siguiente:

Pasos	Descripción
1. Prepara datos de entrenamiento tabular para modelos de previsión	Prepara los datos de entrenamiento tabular para el entrenamiento del modelo de previsión
2. Crea un conjunto de datos para entrenar modelos de previsión	Crea un conjunto de datos nuevo y asocia tus datos de entrenamiento preparados.
3. Entrena un modelo de previsión	Entrena un modelo de previsión en Vertex AI con tu conjunto de datos.
4. Evalúe su modelo	Evalúa la exactitud de la predicción de tu modelo de previsión recién entrenado.
5. Obtén predicciones para un modelo de previsión	Solicita predicciones por lotes desde tu modelo de previsión.

La previsión con AutoML no admite predicciones en línea. Si deseas solicitar predicciones en línea a tu modelo de previsión, usa el flujo de trabajo tabular para la previsión.