Nixtla의 시계열 예측 및 이상 탐지용 호스팅 사전 학습 foundation model인 TimeGPT의 Python SDK 클라이언트
amazon-science/chronos-forecasting
Chronos-2 제품군을 포함해 Amazon이 제공하는 zero-shot 시계열 예측용 사전 학습 Transformer 모델입니다.
- 스타
- 6,161
- 포크
- 751
- 열린 이슈
- 40
- 마지막 커밋
- 16일 전
어떤 프로젝트인가요?
Chronos는 Amazon의 사전 학습 시계열 예측 모델 제품군으로, PyPI에서 chronos-forecasting 패키지를 설치해 사용할 수 있습니다. 사용자는 Hugging Face에서 모델을 불러와 새 시계열로 사전 학습하지 않고도 확률적 예측을 생성할 수 있습니다.
제품군에는 단변량, 다변량 및 공변량 기반 예측을 지원하는 Chronos-2와 더 빠른 패치 기반 Chronos-Bolt, T5 아키텍처를 기반으로 한 기존 토큰 기반 Chronos 모델이 포함됩니다. 모델 크기는 약 8M~710M 파라미터입니다. 저장소는 분위수 출력을 제공하는 pandas 기반 predict_df 인터페이스와 빠른 시작 노트북, SageMaker 및 AutoGluon-Cloud 배포 가이드를 제공합니다.
프로젝트에서는 Hugging Face 데이터셋으로 예측 모델을 벤치마킹하는 동반 패키지 fev도 안내합니다.
핵심 기능
- 01Chronos-2로 단변량, 다변량 및 공변량 기반 시계열을 zero-shot 방식으로 예측합니다.
- 02예측 구간에 사용할 분위수 수준을 설정해 확률적 예측을 생성합니다.
- 03id, timestamp, target 열을 사용하는 predict_df 기반 Pandas DataFrame 인터페이스를 제공합니다.
- 04Hugging Face에서 8M~710M 파라미터 크기의 모델을 제공합니다.
- 05Amazon SageMaker JumpStart 및 AutoGluon-Cloud 배포 가이드를 제공합니다.
활용 사례
- 시계열마다 전용 모델을 만들지 않고 수요, 판매량 또는 전기 요금을 예측합니다.
- 기존 시계열 파이프라인에 확률적 예측 구간을 추가합니다.
- 프로모션이나 날씨처럼 미래에 알려진 공변량이 포함된 데이터로 예측을 시험합니다.
- 프로덕션 추론을 위해 AWS에 예측 엔드포인트를 배포합니다.
빠른 시작
- 1
pip으로 패키지를 설치합니다
pip install chronos-forecasting - 2
pyarrow를 지원하는 pandas를 설치합니다(예제 데이터를 로드하는 데 필요)
pip install 'pandas[pyarrow]' - 3
Chronos-2를 로드하고 README의 최소 예측 예제를 실행합니다(작성된 대로 실행하려면 CUDA GPU가 필요)
사용 전 알아둘 점
- 최소 예제는 device_map="cuda"를 사용하므로, 장치를 변경하지 않으면 NVIDIA GPU가 필요합니다.
- 프로덕션 배포에는 Amazon SageMaker 또는 AutoGluon-Cloud 사용이 권장되며, 프로덕션에서 사용하려면 AWS 설정 작업이 필요합니다.
토픽
자주 묻는 질문
- chronos-forecasting은(는) 무엇인가요?
- Chronos-2 제품군을 포함해 Amazon이 제공하는 zero-shot 시계열 예측용 사전 학습 Transformer 모델입니다. Chronos는 Amazon의 사전 학습 시계열 예측 모델 제품군으로, PyPI에서 chronos-forecasting 패키지를 설치해 사용할 수 있습니다. 사용자는 Hugging Face에서 모델을 불러와 새 시계열로 사전 학습하지 않고도 확률적 예측을 생성할 수 있습니다.
- chronos-forecasting은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?
- chronos-forecasting은(는) Apache-2.0 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.
- chronos-forecasting은(는) 아직 유지보수되고 있나요?
- 활발히 유지보수 중. chronos-forecasting의 마지막 커밋은 2026년 10월 5일입니다.
- chronos-forecasting은(는) 어디에 사용할 수 있나요?
- 시계열마다 전용 모델을 만들지 않고 수요, 판매량 또는 전기 요금을 예측합니다. 기존 시계열 파이프라인에 확률적 예측 구간을 추가합니다. 프로모션이나 날씨처럼 미래에 알려진 공변량이 포함된 데이터로 예측을 시험합니다. 프로덕션 추론을 위해 AWS에 예측 엔드포인트를 배포합니다.
- chronos-forecasting는 어떻게 설치하나요?
- pip으로 패키지를 설치합니다: pip install chronos-forecasting pyarrow를 지원하는 pandas를 설치합니다(예제 데이터를 로드하는 데 필요): pip install 'pandas[pyarrow]' Chronos-2를 로드하고 README의 최소 예측 예제를 실행합니다(작성된 대로 실행하려면 CUDA GPU가 필요)
- chronos-forecasting은(는) 어디서 받을 수 있나요?
- 소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/amazon-science/chronos-forecasting
요약은 프로젝트 README를 바탕으로 AI가 작성했습니다. GitHub 통계는 매일 갱신됩니다.
관련 프로젝트
병렬 연결과 다운로드 재개를 지원하는 HuggingFace Hub용 Go CLI 도구 및 웹 UI
『Build a Large Language Model (From Scratch)』의 공식 보조 코드로, PyTorch에서 GPT와 유사한 LLM을 단계별로 구현합니다.
OpenAI, Hugging Face, LangChain, 벡터 데이터베이스, 파인튜닝 및 프루닝을 활용한 LLM 애플리케이션을 다루는 무료 실습형 강의입니다.
Spring AI를 기반으로 에이전트, 워크플로 및 멀티 에이전트 AI 애플리케이션을 구축하는 Java 프레임워크입니다.
Ray와 vLLM 기반으로 인간 피드백 강화학습(RLHF)과 대규모 언어·비전-언어 모델의 에이전트형 RL 학습을 지원하는 프레임워크입니다.