클로드스킬마트스킬 둘러보기스킬이 뭐예요?
 
← 목록으로

TimesFM 시계열 예측

구글 TimesFM 파운데이션 모델로 학습 없이 바로 시계열을 예측하는 스킬입니다.

데이터·분석중급★ 33,030⑂ 3,248AI 점수 8/10마지막 업데이트: 2026. 8. 9.

무엇을 해주나

구글 리서치의 시계열 파운데이션 모델 TimesFM 2.5(2억 파라미터)를 Claude Code에서 바로 쓸 수 있게 감싼 스킬입니다. 별도 학습 없이(제로샷) 단변량 시계열을 넣으면 중앙값 예측값과 10개 분위수(q10~q90) 예측 구간을 함께 돌려줍니다.

  • CSV, pandas DataFrame, NumPy 배열 입력 지원
  • 최대 16,384 포인트 컨텍스트, 수백~수천 개 시계열 배치 예측
  • 가격·프로모션·휴일 같은 외생 변수(covariates) 반영 예측
  • 분위수 구간을 이용한 간이 이상치 탐지
  • 모델 로드 전에 RAM/GPU/디스크를 검사하는 check_system.py 프리플라이트 스크립트 내장

이런 분께 추천

  • ARIMA·ETS 파라미터를 손으로 튜닝하기 지친 데이터 분석가
  • 수요/매출 예측을 빠르게 프로토타이핑해야 하는 기획·운영 담당자
  • 센서, 에너지 사용량, 바이탈 데이터 등 대량 시계열을 다루는 엔지니어
  • 불확실성(예측 구간)까지 함께 보고해야 하는 리서처

계수 해석이 필요한 통계 모델링, 시계열 분류/군집, 다변량 인과 분석에는 적합하지 않습니다.

활용 예시

  1. 월별 매출 12개월 예측: monthly_sales.csv를 읽어 각 제품 컬럼별로 12개월 예측과 80% 신뢰구간을 담은 결과 CSV를 생성합니다.
  2. 설비 센서 이상 감지: 최근 1,000포인트로 다음 24시간을 예측하고, 실제값이 q10~q90 밖으로 나가면 'Critical'로 표시해 알림 리스트를 만듭니다.
  3. ARIMA 대비 성능 비교: 동일 홀드아웃 구간에서 TimesFM과 statsmodels ARIMA의 MAE를 나란히 계산해 어떤 모델이 나은지 검증합니다.

· · · 설치 가이드 · · ·

Claude 앱에 설치 (터미널 필요 없음)
  1. 아래 버튼으로 ZIP 파일을 받으세요.
  2. Claude 설정 → Capabilities에서 '코드 실행 및 파일 생성'을 켭니다. (한 번만)
  3. Claude에서 Customize → Skills → + → '스킬 업로드'를 누르고 받은 ZIP을 올립니다.
↓ ZIP 내려받기
Claude Code에 설치

Claude에게 맡기기 — 아래 문장을 Claude Code에 붙여넣으세요

클로드스킬마트에서 찾은 스킬을 설치해줘.
GitHub 저장소 K-Dense-AI/scientific-agent-skills 의 skills/timesfm-forecasting 폴더를 내 ~/.claude/skills/timesfm-forecasting/ 에 그대로 복사해줘.
설치가 끝나면 이 스킬로 무엇을 할 수 있는지 한 줄로 알려줘.

직접 명령으로 설치하기

git clone https://github.com/K-Dense-AI/scientific-agent-skills.git /tmp/sas && mkdir -p ~/.claude/skills && cp -r /tmp/sas/skills/timesfm-forecasting ~/.claude/skills/

⚠ 제3자가 만든 스킬입니다. 설치 전 원본 저장소를 한 번 확인하세요.

  1. 터미널을 열고 저장소를 복제합니다: git clone https://github.com/K-Dense-AI/scientific-agent-skills.git
  2. 스킬 폴더를 Claude 스킬 디렉터리로 복사합니다: mkdir -p ~/.claude/skills && cp -r scientific-agent-skills/skills/timesfm-forecasting ~/.claude/skills/
  3. Python 3.10 이상인지 확인합니다: python --version
  4. 필수 사전 점검 스크립트를 실행합니다: python ~/.claude/skills/timesfm-forecasting/scripts/check_system.py (RAM 4GB, 디스크 2GB 이상 권장)
  5. 패키지를 설치합니다: uv pip install "timesfm[torch]" (외생 변수 사용 시 timesfm[xreg] 추가)
  6. 하드웨어에 맞는 PyTorch를 설치합니다. CPU 전용이면 uv pip install torch --index-url https://download.pytorch.org/whl/cpu, NVIDIA GPU면 cu121 인덱스를 사용합니다.
  7. Claude Code를 재시작하고 "이 CSV로 앞으로 12개월 매출을 TimesFM으로 예측해줘"처럼 요청하면 스킬이 활성화됩니다. 첫 실행 시 약 800MB 모델이 HuggingFace에서 다운로드됩니다.
GitHub에서 원본 보기 ↗라이선스: MIT