Bild vom Autor | Diagramm von Chronos-2: Von der univariaten zur universellen Prognose

# Einführung

Basis-Modelle begannen nicht mit ChatGPT. Lange bevor große Sprachmodelle populär wurden, trieben vorab trainierte Modelle bereits den Fortschritt in der Computervision und der Verarbeitung natürlicher Sprache voran, einschließlich Bildsegmentierung, Klassifizierung und Textverständnis.

Derselbe Ansatz verändert nun die Zeitreihenvorhersage. Anstatt für jeden Datensatz ein separates Modell zu erstellen und zu optimieren, werden Zeitreihen-Grundlagenmodelle anhand großer und vielfältiger Sammlungen zeitlicher Daten vorab trainiert. Sie können eine starke Zero-Shot-Prognoseleistung über Domänen, Häufigkeiten und Horizonte hinweg liefern und passen oft zu Deep-Studying-Modellen, die stundenlanges Coaching erfordern und nur historische Daten als Eingabe verwenden.

Wenn Sie sich immer noch hauptsächlich auf klassische statistische Methoden oder Deep-Studying-Modelle mit einzelnen Datensätzen verlassen, verpassen Sie möglicherweise einen großen Wandel in der Artwork und Weise, wie Prognosesysteme aufgebaut sind.

In diesem Tutorial überprüfen wir fünf Zeitreihen-Grundlagenmodelle, die auf der Grundlage von Leistung, Beliebtheit, gemessen an Hugging Face-Downloads, und praktischer Benutzerfreundlichkeit ausgewählt wurden.

# 1. Chronos-2

Chronos-2 ist ein 120-M-Parameter-Encoder-basiertes Zeitreihen-Basismodell, das für Zero-Shot-Prognosen entwickelt wurde. Es unterstützt univariate, multivariate und kovariate Prognosen in einer einzigen Architektur und liefert genaue mehrstufige probabilistische Prognosen ohne aufgabenspezifische Schulung.

Hauptmerkmale:

1. Nur-Encoder-Architektur, inspiriert von T5
2. Zero-Shot-Prognose mit Quantil-Ausgaben
3. Native Unterstützung für vergangene und bekannte zukünftige Kovariaten
4. Lange Kontextlänge bis zu 8.192 und Prognosehorizont bis zu 1.024
5. Effiziente CPU- und GPU-Inferenz mit hohem Durchsatz

Anwendungsfälle:

• Groß angelegte Prognosen über viele verwandte Zeitreihen hinweg
• Kovariatengesteuerte Prognosen wie Nachfrage, Energie und Preise
• Schnelle Prototypenerstellung und Produktionsbereitstellung ohne Modellschulung

Beste Anwendungsfälle:

• Produktionsprognosesysteme
• Forschung und Benchmarking
• Komplexe multivariate Prognose mit Kovariaten

# 2. TiRex

TiRex ist ein vorab trainiertes Zeitreihen-Prognosemodell mit 35 Millionen Parametern, das auf xLSTM basiert und für Zero-Shot-Prognosen sowohl über lange als auch kurze Zeithorizonte konzipiert ist. Es kann genaue Prognosen erstellen, ohne dass eine Schulung zu aufgabenspezifischen Daten erforderlich ist, und liefert sowohl punktuelle als auch probabilistische Vorhersagen sofort einsatzbereit.

Hauptmerkmale:

• Vorab trainierte xLSTM-basierte Architektur
• Zero-Shot-Prognose ohne datensatzspezifisches Coaching
• Punktvorhersagen und quantilbasierte Unsicherheitsschätzungen
• Starke Leistung sowohl bei den Benchmarks für lange als auch kurze Horizonte
• Optionale CUDA-Beschleunigung für Hochleistungs-GPU-Inferenz

Anwendungsfälle:

• Zero-Shot-Prognose für neue oder unbekannte Zeitreihendatensätze
• Lang- und kurzfristige Prognosen in den Bereichen Finanzen, Energie und Betrieb
• Schnelles Benchmarking und Bereitstellung ohne Modellschulung

# 3. TimesFM

TimesFM ist ein vorab trainiertes Zeitreihen-Basismodell, das von Google Analysis für Zero-Shot-Prognosen entwickelt wurde. Der offene Checkpoint timesfm-2.0-500m ist ein reines Decoder-Modell, das für univariate Prognosen entwickelt wurde und lange historische Kontexte und versatile Prognosehorizonte ohne aufgabenspezifisches Coaching unterstützt.

Hauptmerkmale:

• Nur-Decoder-Basis-Modell mit einem 500M-Parameter-Kontrollpunkt
• Zero-Shot-Prognose für univariate Zeitreihen
• Kontextlänge bis zu 2.048 Zeitpunkte, mit Unterstützung über die Trainingsgrenzen hinaus
• Versatile Prognosehorizonte mit optionalen Häufigkeitsindikatoren
• Optimiert für schnelle Punktvorhersagen im großen Maßstab

Anwendungsfälle:

• Groß angelegte univariate Prognosen für verschiedene Datensätze
• Langfristige Prognosen für Betriebs- und Infrastrukturdaten
• Schnelles Experimentieren und Benchmarking ohne Modelltraining

# 4. IBM Granite TTM R2

Granite-TimeSeries-TTM-R2 ist eine Familie kompakter, vorab trainierter Zeitreihen-Basismodelle, die von IBM Analysis unter dem TinyTimeMixers (TTM)-Framework entwickelt wurden. Diese für multivariate Prognosen konzipierten Modelle erzielen trotz Modellgrößen von nur 1 Million Parametern eine starke Zero-Shot- und Fence-Shot-Leistung, wodurch sie sowohl für die Forschung als auch für Umgebungen mit eingeschränkten Ressourcen geeignet sind.

Hauptmerkmale:

• Winzige vorab trainierte Modelle ab 1 Mio. Parametern
• Starke multivariate Zero-Shot- und Fence-Shot-Prognoseleistung
• Fokussierte Modelle, die auf bestimmte Kontexte und Prognoselängen zugeschnitten sind
• Schnelle Inferenz und Feinabstimmung auf einer einzelnen GPU oder CPU
• Unterstützung für exogene Variablen und statische kategoriale Merkmale

Anwendungsfälle:

• Multivariate Prognose in ressourcenarmen oder Edge-Umgebungen
• Zero-Shot-Grundlinien mit optionaler leichter Feinabstimmung
• Schnelle Bereitstellung für Betriebsprognosen mit begrenzten Daten

# 5. Toto Open Base 1

Toto-Open-Base-1.0 ist ein reines Decoder-Zeitreihen-Grundmodell, das für multivariate Vorhersagen in Beobachtbarkeits- und Überwachungsumgebungen entwickelt wurde. Es ist für hochdimensionale, spärliche und instationäre Daten optimiert und liefert eine starke Zero-Shot-Leistung bei groß angelegten Benchmarks wie GIFT-Eval und BOOM.

Hauptmerkmale:

• Nur-Decoder-Transformer für versatile Kontext- und Vorhersagelängen
• Zero-Shot-Prognose ohne Feinabstimmung
• Effizienter Umgang mit hochdimensionalen multivariaten Daten
• Probabilistische Prognosen unter Verwendung eines Scholar-T-Mischungsmodells
• Vorab trainiert anhand von über zwei Billionen Zeitreihen-Datenpunkten

Anwendungsfälle:

• Prognose von Beobachtbarkeits- und Überwachungsmetriken
• Hochdimensionale System- und Infrastrukturtelemetrie
• Zero-Shot-Prognose für großräumige, instationäre Zeitreihen

Zusammenfassung

In der folgenden Tabelle werden die Kernmerkmale der besprochenen Zeitreihen-Basismodelle verglichen, wobei der Schwerpunkt auf Modellgröße, Architektur und Prognosefähigkeiten liegt.

Modell	Parameter	Architektur	Prognosetyp	Schlüsselstärken
Chronos-2	120M	Nur Encoder	Univariat, multivariat, probabilistisch	Starke Nullpunktgenauigkeit, langer Kontext und Horizont, hoher Inferenzdurchsatz
TiRex	35M	xLSTM-basiert	Univariat, probabilistisch	Leichtes Modell mit starker Kurz- und Langstreckenleistung
TimesFM	500M	Nur Decoder	Univariate Punktvorhersagen	Bewältigt lange Kontexte und versatile Horizonte im großen Maßstab
Granite TimeSeries TTM-R2	1M – klein	Fokussierte vorab trainierte Modelle	Multivariate Punktvorhersagen	Extrem kompakt, schnelle Inferenz, starke Null- und Wenig-Schuss-Ergebnisse
Toto Open Base 1	151M	Nur Decoder	Multivariat, probabilistisch	Optimiert für hochdimensionale, instationäre Beobachtbarkeitsdaten

Abid Ali Awan (@1abidaliawan) ist ein zertifizierter Datenwissenschaftler, der gerne Modelle für maschinelles Lernen erstellt. Derzeit konzentriert er sich auf die Erstellung von Inhalten und das Schreiben technischer Blogs zu maschinellem Lernen und Datenwissenschaftstechnologien. Abid verfügt über einen Grasp-Abschluss in Technologiemanagement und einen Bachelor-Abschluss in Telekommunikationstechnik. Seine Imaginative and prescient ist es, ein KI-Produkt mithilfe eines graphischen neuronalen Netzwerks für Schüler mit psychischen Erkrankungen zu entwickeln.

Willkommen zum fünften Beitrag meiner „Plotly with Code“-Reihe! Wenn Sie den ersten Beitrag verpasst haben, können Sie ihn über den unten stehenden Hyperlink nachlesen oder meinen „Ein Beitrag, um sie alle zu beherrschen“ durchstöbern, um der gesamten Serie oder anderen Themen, über die ich zuvor geschrieben habe, zu folgen.

Eine kurze Zusammenfassung, warum ich diese Serie schreibe

Mein bevorzugtes Software zum Erstellen von Visualisierungen ist Plotly. Es ist unglaublich intuitiv, von der Schichtung von Spuren bis hin zum Hinzufügen von Interaktivität. Obwohl Plotly sich durch seine Funktionalität auszeichnet, verfügt es nicht über eine „Datenjournalismus“-Vorlage, die direkt nach dem Auspacken ausgefeilte Diagramme bietet.

Datenvisualisierung spielt eine entscheidende Rolle dabei, wie Geschichten erzählt und verstanden werden. Ich struggle schon immer fasziniert von den eleganten, kommentierten Diagrammen, die im Datenjournalismus verwendet werden – diesen Visualisierungen, die komplexe Ideen sofort und für jedermann verständlich vermitteln können.

Ich struggle es auch tief inspiriert von Quellen wie dem Buch von Cole Nussbaumer Knaflic, Storytelling mit Daten (1), das wesentliche Greatest Practices für die Erstellung klarer, wirkungsvoller Visualisierungen bereitstellt und dabei einen minimalistischen Ansatz betont, der unnötige Elemente entfernt. Ihr Ansatz besteht darin, sich auf das Wesentliche zu konzentrieren und sicherzustellen, dass die Geschichte der Daten ohne Ablenkungen durchscheint.

Dann ist da noch AddTwoDigital, eine Digitalagentur, die sich mit Knowledge Storytelling beschäftigt. Sie haben eine Reihe von Blogbeiträgen zu Greatest Practices für die Datenvisualisierung als Open-Supply-Lösung veröffentlicht (2) und präsentiert alles von einfachen Balkendiagrammen bis hin zu komplexeren, umwerfenden Infografiken. Ihr Inhalt ist eine Fundgrube an Inspiration, und aus ihren Beispielen lässt sich immer etwas Neues lernen, das nicht in typischen Datenvisualisierungsbüchern enthalten ist.

RAND startete eine neue Serie von Kurzreportagen soll politischen Entscheidungsträgern in den USA potenzielle Erkenntnisse aus dem EU-KI-Gesetz zu wichtigen Aspekten der KI-Governance vermitteln. Die von Forschern auf beiden Kontinenten verfasste Reihe unterstreicht die Notwendigkeit einer vertieften Zusammenarbeit zwischen der EU und den USA, da jeder regulatorische Fortschritt in diesen Regionen weitreichende Auswirkungen auf die umfassenderen gesellschaftlichen, rechtlichen und ethischen Folgen der weltweiten Einführung von KI haben wird.

Der erste Papier Der Schwerpunkt liegt auf Allzweck-KI-Modellen (GPAI) und GPAI-Modellen mit systemischen Risiken und darauf, wie sich die Klassifizierung und Regulierung dieser Modelle in der EU und den USA unterscheidet. Es werden mehrere Optionen aufgezeigt, die die USA übernehmen könnten, um sich bei der Festlegung von Requirements, Berichtspflichten und der Verfolgung des Risikomanagements und der Vorfallberichterstattung von Unternehmen besser an die EU anzupassen.

Der Zweite Papier konzentriert sich auf die Auswirkungen von KI auf Datenschutzgesetze und präsentiert Optionen zur Schließung von Lücken im Datenschutz und bei den Datenschutzrechten zwischen den USA und der EU. Unter anderem diskutiert das Papier die Minimierung der Daten, die Unternehmen sammeln und verwenden können, sowie die Verpflichtung zur Prüfung und Offenlegung der Verwendung von KI.

Melden Sie sich für die kostenlosen insideAI Information an E-newsletter.

Folgen Sie uns auf Twitter: https://twitter.com/InsideBigData1

Folgen Sie uns auf LinkedIn: https://www.linkedin.com/firm/insideainews/

Folgen Sie uns auf Fb: https://www.fb.com/insideAINEWSNOW