Google ha lanzado TimesFM 2.0, un modelo previamente entrenado para pronósticos de series temporales, una actualización importante diseñada para mejorar la precisión del pronóstico y promover el campo de la inteligencia artificial. TimesFM 2.0 se comparte a través de código abierto y es conveniente para que lo utilicen investigadores y desarrolladores. El modelo puede manejar series temporales univariadas de hasta 2048 puntos temporales, admite cualquier período de pronóstico y tiene sólidas capacidades de pronóstico. Sus datos de entrenamiento cubren múltiples campos, como energía, transporte, etc., lo que proporciona una rica base de aprendizaje para el modelo. La aparición de TimesFM 2.0 mejorará significativamente la eficiencia y precisión del pronóstico de series temporales y proporcionará herramientas de análisis de datos más potentes para todos los ámbitos de la vida.
El modelo TimesFM2.0 tiene funciones potentes y puede manejar pronósticos de series temporales univariadas de hasta 2048 puntos temporales, y admite cualquier período de pronóstico.
Vale la pena señalar que aunque el modelo está entrenado con una longitud de contexto máxima de 2048, en aplicaciones prácticas se pueden procesar contextos más largos. El modelo se centra en la predicción de puntos, mientras que experimentalmente se proporcionan 10 cabezas de cuantiles, pero no se han calibrado después del entrenamiento previo.
En términos de preentrenamiento de datos, TimesFM2.0 contiene una combinación de múltiples conjuntos de datos, incluido el conjunto de preentrenamiento de TimesFM1.0 y conjuntos de datos adicionales de LOTSA. Estos conjuntos de datos cubren múltiples campos, como carga de electricidad residencial, generación de energía solar, flujo de tráfico, etc., proporcionando una base rica para el entrenamiento de modelos.
A través de TimesFM2.0, los usuarios pueden realizar más fácilmente predicciones de series temporales y promover el desarrollo de diversas aplicaciones, incluidas ventas minoristas, tendencias bursátiles, tráfico de sitios web y otros escenarios, monitoreo ambiental y transporte inteligente, entre otros campos.
Entrada modelo: https://huggingface.co/google/timesfm-2.0-500m-pytorch
Destacar:
TimesFM2.0 es un nuevo modelo de predicción de series temporales lanzado por Google, que se centra en mejorar la precisión de la predicción de series temporales.
El modelo admite pronósticos de hasta 2048 puntos temporales y puede manejar cualquier período de tiempo de pronóstico.
Los usuarios pueden elegir libremente la frecuencia de predicción en función de diferentes características de las series temporales para mejorar la flexibilidad de la predicción.
Con todo, TimesFM 2.0, con sus poderosas funciones y facilidad de uso, traerá nuevos avances en el campo del pronóstico de series temporales y será ampliamente utilizado en diversas industrias. Esperando su desarrollo y aplicación en el futuro.