AWS現在正式推出應用深度學習技術，由云端完全托管的時間序列預測服務Amazon Forecast，讓使用者不需要擁有機器學習經驗，只要上傳歷史時間序列數據以及其他相關數據，Amazon Forecast就能夠自動處理數據，并挑選最適合的演算法來訓練模型，并為用戶提供高精確度的時間序列預測結果。

　　時序預測用來預測與時間相關的數據未來值，像是每周銷售額、每日庫存或是每小時網站流量等，AWS提到，企業(yè)會使用簡單的試算表甚至是復雜的財務規(guī)劃軟件，透過歷史時間序列數據以產生預測結果，像是以過去的雨衣銷售數據，預測未來的雨衣銷售狀況，但是這樣方法的缺點，是難以為多組不規(guī)則的數據，產生精準的預測，也無法簡單地將時間序列數據和獨立變數結合，像是將價格、折扣和網路流量等數據，與產品特徵或是商店位置等資訊相關聯。

　　而Amazon Forecast應用深度學習技術，能將網頁流量和銷售額等歷史時間序列數據，結合假日、促銷活動等獨立變數數據，為使用者提供精確的時間序列預測。這是Amazon應用自家在零售、供應鏈和伺服器容量等時間預測經驗，所發(fā)展出可擴展且高精確度時間序列預測服務，用戶可用於各種領域的時序預測，包括資訊服務運作、商業(yè)營運、貨物或是服務的庫存，以及零售促銷等活動。

　　Amazon Forecast可同時使用深度神經網路以及傳統(tǒng)的統(tǒng)計方法，提供高精確的預測。Amazon Forecast會自動從用戶提供的數據中學習，并選擇最適合的演算法來訓練模型，AWS提到，當用戶有許多時間序列數據，則使用深度學習演算法，會比傳統(tǒng)統(tǒng)計指數平滑法還要精準。

　　這整個預測工作流程從數據上傳／處理、模型訓練、數據集更新以及預測，都是自動化進行，開發(fā)者可以選擇使用Amazon Forecast API、命令列工具或是控制臺，將訓練數據集導入到Amazon Forecast中，進行後續(xù)模型訓練以及部署工作。

　　企業(yè)能夠使用API，將預測功能整合到系統(tǒng)中，以取得預測結果，也可以從控制臺查詢以及視覺化不同精細度的時間序列預測，并且查看預測程式（Predictor）精確度指標，或是批次輸出CSV檔案，再將數據上傳到下游系統(tǒng)。