nixtla: ゼロショット時系列予測と異常検知のための基盤モデル

何を解決するか

TimeGPT-1は、時系列予測と異常検知を簡素化し、加速させるために設計されています。従来の、手動のモデルトレーニングパイプライン（ARIMAやXGBoostなど）の必要性を、ユーザーの特定のデータに対する初期トレーニングを必要とせずに、小売、金融、IoTなどの多様なドメインにわたって正確な予測を提供できる、事前学習済みの基盤モデルに置き換えます。

仕組み

TimeGPTは、自己注意（self-attention）メカニズムを備えたエンコーダー・デコーダー・アーキテクチャに基づく、生成的な事前学習済みトランスフォーマーです。LLMとは異なり、公開されている膨大な時系列データのコレクションから1000億点を超えるデータポイントで独立してトレーニングされています。これにより、モデルは複雑なパターンを捉え、過去のイベントに基づいて将来の分布を外挿することができます。

対象者

最小限のコーディングで、迅速かつ高精度な予測と異常検知を必要とするデータサイエンティストやアナリストです。エネルギー、ヘルスケア、銀行などのセクターで多様な時系列データを扱う人々、またはSnowflake環境内で直接モデルをデプロイしたい人々にとって特に有用です。

ハイライト

• ゼロショット推論: 事前トレーニングデータなしですぐに予測を生成し、異常を検知します。
• ファインチューニング: カスタム損失関数を使用してモデルを特定のデータセットに適応させ、パフォーマンスを向上させる能力。
• 外生変数: 精度を高めるために、外部要因（例：特定の祝日や価格）を組み込むことをサポートします。
• 複数系列の予測: 複数の時系列を同時に予測する能力。
• インフラストラクチャの柔軟性: 公開API、Snowflakeへのデプロイ、および近日公開予定のAzure Studioサポートによる統合。
• 不規則なタイムスタンプ: 前処理を必要とせずに、不均一な間隔の系列を扱います。