mario-lacerda/previsao-estoque-ineligente-sage-makercanvas-aws

DESAFIO DIO - Previsão de Estoque Inteligente na AWS com Sagemaker Canvas

DESAFIO DIO - Previsão de Estoque Inteligente na AWS com Sagemaker Canvas

Projeto: Previsão de Estoque Inteligente na AWS com SageMaker Canvas

Introdução:

Neste projeto, usaremos o SageMaker Canvas, um serviço de ML de baixo código da AWS, para criar um modelo de previsão de estoque. Este modelo nos ajudará a prever a demanda futura de produtos com base em dados históricos de vendas e outros fatores relevantes.

Pré-requisitos:

Conta da AWS Conhecimento básico de ML Experiência com o SageMaker Canvas (opcional) Passos:

1. Criar um notebook do SageMaker:

import sagemaker from sagemaker.canvas import * 2. Importar as bibliotecas necessárias:

import pandas as pd from sklearn.model_selection import train_test_split from sklearn.linear_model import LinearRegression from sklearn.metrics import mean_squared_error, mean_absolute_error 3. Carregar os dados:

Carregue os dados de vendas históricos em um DataFrame do Pandas. Certifique-se de que os dados contenham as seguintes colunas:

• product_id
• sales_date
• sales_quantity

4. Explorar os dados:

df.head() df.describe() df.plot(x='sales_date', y='sales_quantity') 5. Criar o modelo de previsão:

Dividir os dados em conjuntos de treinamento e teste

X_train, X_test, y_train, y_test = train_test_split(df[['sales_date']], df['sales_quantity'], test_size=0.2, random_state=42)

Criar e treinar o modelo de regressão linear

model = LinearRegression() model.fit(X_train, y_train) 6. Avaliar o modelo:

Fazer previsões nos dados de teste

y_pred = model.predict(X_test)

Calcular as métricas de avaliação

mse = mean_squared_error(y_test, y_pred) mae = mean_absolute_error(y_test, y_pred)

print('MSE:', mse) print('MAE:', mae) 7. Implantar o modelo:

Criar um endpoint do SageMaker

endpoint_name = 'previsao-estoque' role = sagemaker.get_execution_role()

endpoint = sagemaker.Endpoint(endpoint_name, role, 'linear-learner') endpoint.deploy(model, initial_instance_count=1) Conclusão:

Neste projeto, criamos um modelo de previsão de estoque usando o SageMaker Canvas. Este modelo pode ser usado para prever a demanda futura de produtos com base em dados históricos de vendas e outros fatores relevantes. Isso pode ajudar as empresas a otimizar seus níveis de estoque e reduzir custos.