ibm-granite/granite-tsfm

해결하는 문제

이 프로젝트는 시계열 기초 모델(TSFM), 특히 Granite 시계열 컬렉션을 사용하는 데 필요한 도구와 유틸리티를 제공합니다. 시계열 예측 작업을 위한 이러한 모델의 사용, 사전 훈련, 미세 조정 과정을 간소화합니다.

작동 방식

이 리포지토리는 Hugging Face에 호스팅된 모델과 함께 사용되는 보조 리포지토리입니다. PatchTSMixer, PatchTST, TinyTimeMixer(TTM)와 같은 모델의 사전 훈련 및 미세 조정 과정을 안내하는 Python 유틸리티, 서빙 컴포넌트, 노트북 컬렉션을 제공합니다.

대상 사용자

기초 모델을 사용하여 시계열 예측을 구현해야 하며, 전이 학습 또는 벤치마킹을 체계적으로 수행하고자 하는 데이터 과학자 및 머신러닝 엔지니어.

주요 특징

• 기초 모델 지원: TinyTimeMixer(TTM), PatchTSMixer, PatchTST, FlowState 등 다양한 모델을 지원합니다.
• Hugging Face 통합: Hugging Face transformers 라이브러리에서 사용 가능한 모델과 원활하게 연동되도록 설계되었습니다.
• 실용적인 튜토리얼: 시작하기와 전이 학습을 위한 Google Colab 튜토리얼 및 노트북을 포함합니다.
• 서빙 컴포넌트: 모델 추론 및 서빙을 위한 컴포넌트를 포함합니다.