신규 고객은 Amazon Forecast를 더 이상 사용할 수 없습니다. Amazon Forecast의 기존 고객은 서비스를 정상적으로 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.

# 를 사용한 자동화 CloudFormation
<a name="tutorial-cloudformation"></a>

이 자습서에서는 AWS CloudFormation 자동화 스택을 사용하여 Amazon Forecast 파이프라인을 시작하고 데모 데이터 세트를 사용하여 예측을 생성합니다.

 AWS 예측 CloudFormation 스택: 
+ [Machine Learning 솔루션을 사용하여 예측 정확도 개선](https://docs.aws.amazon.com/solutions/latest/improving-forecast-accuracy-with-machine-learning/automated-deployment.html) CloudFormation 템플릿을 배포합니다.
+ [NYC 택시 데이터 세트](https://registry.opendata.aws/nyc-tlc-trip-records-pds/)를 Forecast 데이터 Amazon S3 버킷에 배포합니다.
+ Forecast에서 데모 NYC 택시 예측 파이프라인을 자동으로 시작합니다.

 CloudFormation 템플릿에는 대상 시계열, 관련 시계열 및 항목 메타데이터 데모 데이터 세트가 사전 로드됩니다. 콘솔의 관련 필드에는 해당 S3 위치가 미리 채워져 있습니다.

데모 데이터 세트를 사용하여 이 튜토리얼을 완료한 후에는 동일한 자동화 스택을 사용하여 자체 데이터 세트로 예측을 생성할 수 있습니다.

다음 다이어그램은 이 튜토리얼에서 사용되는 구성 요소를 보여줍니다.

![\[AWS data pipeline for Amazon Forecast, showing data preparation, ingestion, forecasting, and evaluation stages.\]](http://docs.aws.amazon.com/ko_kr/forecast/latest/dg/images/cloudformationautomation-architecture.png)


## 사전 조건
<a name="tutorial-cloudformation-prerequisites"></a>

자습서를 시작하기 전에에 로그인 AWS 계정 하고 CloudFormation 템플릿을 설치했는지 확인합니다.

1. 에 로그인합니다 AWS 계정. 아직 없는 경우 [를 생성합니다 AWS 계정](https://aws.amazon.com/premiumsupport/knowledge-center/create-and-activate-aws-account/).

1.  AWS CloudFormation 템플릿을 설치합니다. 가장 가까운 리전을 선택합니다.
   +  도쿄: [ap-northeast-1](https://console.aws.amazon.com/cloudformation/home?region=ap-northeast-1#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template)
   +  서울: [ap-northeast-2](https://console.aws.amazon.com/cloudformation/home?region=ap-northeast-2#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template) 
   +  뭄바이: [ap-south-1](https://console.aws.amazon.com/cloudformation/home?region=ap-south-1#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template) 
   +  싱가포르: [ap-southeast-1](https://console.aws.amazon.com/cloudformation/home?region=ap-southeast-1#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template) 
   +  시드니: [ap-southeast-2](https://console.aws.amazon.com/cloudformation/home?region=ap-southeast-2#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template) 
   +  프랑크푸르트: [eu-cental-1](https://console.aws.amazon.com/cloudformation/home?region=eu-central-1#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template) 
   +  아일랜드: [eu-west-1](https://console.aws.amazon.com/cloudformation/home?region=eu-west-1#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template) 
   +  버지니아 북부: [us-east-1](https://console.aws.amazon.com/cloudformation/home?region=us-east-1#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template) 
   +  오하이오: [us-east-2](https://console.aws.amazon.com/cloudformation/home?region=us-east-2#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template) 
   +  오리건: [us-west-2](https://console.aws.amazon.com/cloudformation/home?region=us-west-2#/stacks/new?stackName=forecast-stack&templateURL=https:%2F%2Fs3.amazonaws.com%2Fsolutions-reference%2Fimproving-forecast-accuracy-with-machine-learning%2Flatest%2Fimproving-forecast-accuracy-with-machine-learning-demo.template) 

이 템플릿은 [NYC 택시 데이터 세트](https://registry.opendata.aws/nyc-tlc-trip-records-pds/)를 사용하여 데모 스택을 배포합니다.

## 예측 자동화를 위한 CloudFormation 템플릿 배포
<a name="tutorial-clouformation-steps"></a>

NYC 택시 데이터 세트를 사용하여 CloudFormation 템플릿을 배포하려면

**1단계**: 기본값을 수락하고 **다음**을 선택합니다.

![\[Create stack interface showing template options and Amazon S3 URL input field.\]](http://docs.aws.amazon.com/ko_kr/forecast/latest/dg/images/cloudformationautomation-step1.png)


**2단계**: 알림을 받을 이메일 주소를 입력하고 **다음**을 선택합니다.

![\[Datasets configuration form with URL fields for time series data and email input for forecast results.\]](http://docs.aws.amazon.com/ko_kr/forecast/latest/dg/images/cloudformationautomation-step2.png)


**3단계**: 기본값을 수락하고 **다음**을 선택합니다.

**4단계**: 기능에서가 AWS Identity and Access Management (IAM) 리소스 및 중첩 스택 CloudFormation 을 생성할 수 있도록 두 확인란을 모두 선택합니다. **스택 생성**을 선택합니다.

![\[Capabilities section with checkboxes for IAM resources and CloudFormation capability acknowledgments.\]](http://docs.aws.amazon.com/ko_kr/forecast/latest/dg/images/cloudformationautomation-step4.png)


Forecast에 CloudFormation 템플릿을 배포했습니다.

## 정리
<a name="tutorial-clouformation-cleanup"></a>

이 CloudFormation 템플릿을 배포한 후 새로 생성된 리소스를 정리하고, 자체 데이터 세트를 사용하여 CloudFormation 스택을 배포하고, 다른 배포 옵션을 탐색할 수 있습니다.
+ **정리**: 데모 스택을 삭제해도 "기계 학습을 통한 예측 정확도 개선" 스택은 그대로 유지됩니다. “기계 학습을 통한 예측 정확도 향상” 스택을 삭제하면 모든 S3, Athena, QuickSight, Forecast 데이터가 보존됩니다.
+ **자체 데이터 세트 사용**: 자체 시계열 데이터와 함께이 CloudFormation 템플릿을 배포하려면 **2단계**의 데이터 세트 구성 섹션에 데이터 세트의 S3 위치를 입력합니다.
+ **기타 배포 옵션**: 추가 배포 옵션은 [자동 배포](https://docs.aws.amazon.com/solutions/latest/improving-forecast-accuracy-with-machine-learning/automated-deployment.html)를 참조하세요. 데이터를 이미 사용할 수 있는 경우 데모 데이터 없이 스택을 배포할 수 있습니다.