Salesforce AI Releases Moirai 2.0: Новая эра в анализе временных рядов
В мире анализа данных и предсказательной аналитики время – это критически важный ресурс. С выходом Moirai 2.0 от Salesforce, принципы работы с временными рядами становятся проще, быстрее и эффективнее. Эта новая модель основывается на архитектуре, которая обеспечивает высокую точность и масштабируемость, что особенно важно для бизнеса.
Что такое Moirai 2.0?
Moirai 2.0 – это современная модель временных рядов, разработанная на базе «декодерного» трансформера. Она предназначена для прогнозирования и обработки временных данных, обеспечивая возможность улучшения взаимодействия с клиентами и оптимизации бизнес-процессов.
Ключевые особенности и преимущества Moirai 2.0
Что делает Moirai 2.0 уникальным?
- Архитектура на базе декодера: Эта структура позволяет лучше моделировать генерирование автогрессивных прогнозов, что увеличивает масштабируемость при работе с большими данными.
- Эффективное многотокенное предсказание: Модель одновременно предсказывает несколько токенов, что повышает стабильность и эффективность прогнозов.
- Продвинутый фильтр данных: Автоматическое удаление низкокачественных временных рядов во время обучения улучшает общую надежность модели.
- Технологии патч-токенов и случайного маскирования: Новые подходы для обработки недостающих данных во время вывода.
Производительность: новые высоты
Moirai 2.0 значительно превосходит своих предшественников:
- Лучший MASE (Mean Absolute Scaled Error) на GIFT-Eval для моделей без утечек данных.
- Показатели CRPS (Continuous Ranked Probability Score) соответствуют предыдущим передовым достижениям.
- На 16% лучше по MASE по сравнению с Moirai_large.
- На 44% быстрее в инференсе.
- Размер параметров на 96% меньше.
Практическое применение Moirai 2.0
Ключевые сферы применения Moirai 2.0 включают:
- ИТ-операции: Проактивное масштабирование ресурсов и обнаружение аномалий.
- Прогнозирование продаж: Точные и масштабируемые прогнозы доходов.
- Прогнозирование спроса: Оптимизация управления запасами.
- Планирование цепочки поставок: Улучшение графиков и снижение потерь.
С уменьшением размеров модели и увеличением скорости, компании могут применять качественное прогнозирование в широких масштабах, что способствует быстрому и обоснованному принятию решений.
Первый шаг с Moirai 2.0
Интеграция Moirai 2.0 для разработчиков и специалистов по данным достаточно проста. Вот пример рабочего процесса, который можно использовать с открытыми модулями на Hugging Face:
import matplotlib.pyplot as plt
from gluonts.dataset.repository import dataset_recipes
from uni2ts.eval_util.data import get_gluonts_test_dataset
from uni2ts.model.moirai2 import Moirai2Forecast, Moirai2Module
# Загрузка Moirai 2.0
model = Moirai2Forecast(
module=Moirai2Module.from_pretrained("Salesforce/moirai-2.0-R-small"),
prediction_length=100,
context_length=1680,
target_dim=1,
feat_dynamic_real_dim=0,
past_feat_dynamic_real_dim=0
)
# Загрузка набора данных и генерация прогнозов
test_data, metadata = get_gluonts_test_dataset("electricity", prediction_length=None, regenerate=False)
predictor = model.create_predictor(batch_size=32)
forecasts = predictor.predict(test_data.input)
# Визуализация результатов
fig, axes = plt.subplots(nrows=2, ncols=3, figsize=(25, 10))
Будущее прогнозирования с Moirai 2.0
Moirai 2.0 открывает новые горизонты в области прогнозирования временных рядов, обеспечивая доступ к технологии, которая будет изменять подход к моделированию. Улучшенная надежность, более быстрая обработка и меньшие вычислительные требования делают модель идеальным решением для бизнеса и исследователей по всему миру.
Где найти больше информации?
Для более технических деталей посещайте блог Salesforce. Изучите модель на Hugging Face и ознакомьтесь с GitHub-страницей для туториалов, кода и записных книжек. Следите за обновлениями Salesforce AI в Twitter и присоединяйтесь к сообществу на ML SubReddit.
