Google çok değişkenli tahmin modeli TimesFM-3'ü duyurdu
Öne çıkanlar
- TimesFM-3, 1 trilyondan fazla zaman noktası üzerinde 330 milyon parametreyle eğitildi.
- Model, tüm tahmin ufkunu tek bir ileri geçişte üreterek gecikme ve hata birikimini önlüyor.
- Açık kaynak olarak GitHub ve Hugging Face üzerinde yayımlanan model yakında BigQuery'ye entegre edilecek.
Google Research, zaman serisi tahminleri için geliştirdiği yeni temel modeli TimesFM-3'ü tanıttı. 330 milyon parametreye sahip olan model, 1 trilyondan fazla zaman noktasını içeren veri kümesiyle eğitildi. Önceki sürümler yalnızca tek değişkenli tahminleri desteklerken TimesFM-3, birden fazla ilişkili zaman serisini ve dış değişkenleri tek bir ileri geçişte sıfır örneklem (zero-shot) yöntemiyle işleyebiliyor.
Yeni mimari, ardışık veri noktalarını 32 adımlık yamalar halinde gruplayarak normalize ediyor ve kod çözücü tabanlı dönüştürücü (transformer) katmanlarında hem zamansal hem de seriler arası çapraz dikkat mekanizmalarını birlikte çalıştırıyor. Ardışık yama maskeleme yöntemi sayesinde model, yinelemeli döngülere gerek kalmadan tüm tahmin ufkunu tek seferde üretiyor. Sistem aynı zamanda hedef seriler için 9 farklı yüzdelik dilim tahmin ederek belirsizlik analizine olanak tanıyor.
Gift-Eval, FEV-Bench ve Time karşılaştırma testlerinde değerlendirilen TimesFM-3, hem tek değişkenli hem de çok değişkenli modda en yüksek ortalama başarı sırasını elde etti. Model, açık kaynak kod depoları GitHub ve Hugging Face üzerinden erişime açıldı; ilerleyen haftalarda BigQuery entegrasyonunun da kullanıma sunulacağı bildirildi.
Bu özet yapay zekâ ile hazırlanmıştır; ayrıntılar ve doğrulama için orijinal kaynağa başvurun.