TimesFM — модель прогнозирования временных рядов

AI Summary

🚀 TL;DR TimesFM 2.5 — это открытая предобученная модель от Google Research для прогнозирования временных рядов. Она использует 200M параметров, поддерживает контекст до 16k, горизонт до 1k и непрерывные квантильные прогнозы.

📖 Что это такое TimesFM (Time Series Foundation Model) — это decoder-only foundation model, разработанная Google Research для задач прогнозирования временных рядов. Модель выпущена в ICML 2024 и доступна через Hugging Face.

🔑 Ключевые факты

• Версия 2.5: 200M параметров (было 500M), контекст 16k (было 2048), горизонт до 1k через 30M quantile head
• Убрана необходимость указания frequency indicator
• Поддержка ковариат через XReg
• Доступна в PyTorch и Flax версиях
• Интегрирована в BigQuery ML, Google Sheets и Vertex Model Garden
• Не является официально поддерживаемым продуктом Google

⚙️ Как это работает Модель использует архитектуру decoder-only transformer. Для работы требуется установка через pip install timesfm[torch] или timesfm[flax]. Основные флаги: max_context, max_horizon, normalize_inputs, use_continuous_quantile_head, force_flip_invariance, infer_is_positive, fix_quantile_crossing. Пример использования включает загрузку модели через from_pretrained и вызов forecast с входными данными.

💡 Вывод и значение TimesFM предоставляет мощный инструмент для прогнозирования временных рядов с открытым доступом к кодам и чекпоинтам. Модель поддерживает fine-tuning через LoRA и интеграцию в enterprise-системы Google Cloud. Документация и примеры доступны в репозитории google-research/timesfm.

📌 Важные детали

• Ссылки: arxiv.org/abs/2310.10688, huggingface.co/collections/google/timesfm-release-66e4be5fdb56e960c1e482a6
• Установка: pip install timesfm[torch], pip install timesfm[flax], pip install timesfm[xreg]
• Код: github.com/google-research/timesfm
• Авторы обновлений: @kashif, @darkpowerxo, @borealBytes
• Последнее обновление: 2 июля 2026 (версия 2.0.2)

Мои мысли