El modelo TimesFM

En este documento, se describe el modelo integrado de previsión de series temporales TimesFM de BigQuery ML.

El modelo TimesFM integrado es una implementación del modelo TimesFM de código abierto de Google Research. El modelo TimesFM de Google Research es un modelo de base para la previsión de series temporales que se entrenó previamente con miles de millones de puntos temporales de muchos conjuntos de datos del mundo real, por lo que puedes aplicarlo a nuevos conjuntos de datos de previsión en muchos dominios. El modelo TimesFM está disponible en todas las regiones compatibles con BigQuery.

Usar el modelo TimesFM integrado de BigQuery ML con la función AI.FORECAST te permite realizar previsiones sin tener que crear y entrenar tu propio modelo, por lo que puedes evitar la necesidad de administrar modelos. Los resultados de la previsión del modelo TimesFM son comparables con los métodos estadísticos convencionales, como ARIMA. Si deseas más opciones de ajuste del modelo que las que ofrece el modelo TimesFM, puedes crear un modelo ARIMA_PLUS o ARIMA_PLUS_XREG y usarlo con la función ML.FORECAST.

Para obtener información sobre cómo usar un modelo de TimesFM con la función AI.FORECAST, consulta los siguientes instructivos:

Para usar el modelo TimesFM y detectar anomalías en los datos de series temporales, usa la función AI.DETECT_ANOMALIES.

Para evaluar los valores previstos del modelo TimesFM en comparación con los valores reales, usa la función AI.EVALUATE.

Para obtener más información sobre el modelo TimesFM de Google Research, consulta los siguientes recursos:

Cuando usas TimesFM a través de BigQuery, tu uso se rige por las Condiciones del Servicio de Google Cloud y permite usos comerciales. La licencia no comercial asociada con los pesos TimesFM 3.0 descargables públicamente en GitHub y Hugging Face solo se aplica a las descargas autoalojadas y no restringe el uso dentro de BigQuery.