TimesFM (Time Series Foundation Model) 소개
TimesFM (Time Series Foundation Model) 은 Google Research 에서 개발한 시계열 예측을 위한 사전 학습된 시간 series foundation model 입니다.
- Paper: A decoder-only foundation model for time-series forecasting, ICML 2024.
- All checkpoints: TimesFM Hugging Face Collection.
- Google Research blog.
- TimesFM in Google 1P Products:
- BigQuery ML: Enterprise level SQL queries for scalability and reliability.
- Google Sheets: For your daily spreadsheet.
- Vertex Model Garden: Dockerized endpoint for agentic calling.
이 오픈 버전은 공식적으로 지원되는 Google product 가 아닙니다.
Latest Model Version: TimesFM 2.5
Archived Model Versions:
- 1.0 and 2.0: 관련 코드는
v1 서브 디렉토리에 보관되었습니다. 이 패키지의 오래된 버전을 로드하려면 pip install timesfm==1.3.0을 사용하여 설치할 수 있습니다.
Fine-tuning 예제를 추가했습니다 (HuggingFace Transformers + PEFT (LoRA) 사용) — timesfm-forecasting/examples/finetuning/를 참조하세요.
또한 단위 테스트 (tests/) 를 추가하고 몇 가지 커뮤니티 수정 사항을 통합했습니다.
@kashif 와 @darkpowerxo 에 감사드립니다.
@borealBytes 에 큰 감사의 말씀을 드립니다. AGENTS 를 지원하기 위해! TimesFM SKILL.md 가 공개되었습니다.
TimesFM 2.5 에는 XReg 를 통해 covariate 지원을 다시 추가했습니다.
TimesFM 2.5 가 출시되었습니다!
TimesFM 2.0 과 비교하여 새로운 2.5 모델은:
- uses 200M parameters, down from 500M.
- supports up to 16k context length, up from 2048.
- supports continuous quantile forecast up to 1k horizon via an optional 30M quantile head.
frequency 인디케이터를 제거했습니다.- 몇 가지 새로운 forecasting flags 를 추가했습니다.
Sept. 2025 출시 이후, 다음 개선 사항이 완료되었습니다:
- ✅ Flax version of the model for faster inference.
- ✅ Covariate support via XReg (see Oct. 2025 update).
- ✅ Documentation, examples, and agent skill (see
timesfm-forecasting/).
- ✅ Fine-tuning example with LoRA via HuggingFace Transformers + PEFT (see
timesfm-forecasting/examples/finetuning/).
- ✅ Unit tests for core layers, configs, and utilities (see
tests/).
Clone the repository:
git clone https://github.com/google-research/timesfm.git cd timesfm
Create a virtual environment and install dependencies using uv:
uv venv
source .venv/bin/activate
uv pip install -e .[torch]
uv pip install -e .[flax]
uv pip install -e .[xreg]
[Optional] Install your preferred torch/jax backend based on your OS and accelerators (CPU, GPU, TPU or Apple Silicon):
- Install PyTorch.
- Install Jax for Flax.
import torch
import numpy as np
import timesfm
...