TimesFM 시계열 예측

무엇을 해주나

• 구글 리서치의 TimesFM 2.5(200M) 파운데이션 모델을 이용해 모델 학습 없이 바로 시계열을 예측합니다.
• 점 예측(중앙값)과 함께 10분위 예측 구간(q10~q90) 을 반환해 불확실성을 정량화합니다.
• CSV / pandas DataFrame / NumPy 배열 입력을 지원하고, 수백~수천 개 시계열의 배치 예측도 가능합니다.
• 모델을 올리기 전에 RAM·GPU VRAM·디스크·파이썬 버전을 확인하는 필수 프리플라이트 스크립트(scripts/check_system.py)를 포함해 저사양 머신이 죽는 것을 방지합니다.
• 외생 변수(가격, 휴일, 지역 등)를 함께 쓰는 forecast_with_covariates(), 분위 구간을 활용한 이상치 탐지 패턴, ARIMA 대비 백테스트 비교 예시까지 안내합니다.

이런 분께 추천

• 매출·수요·센서·에너지·생체신호·기상 데이터를 예측해야 하는 데이터 분석가/사이언티스트
• ARIMA/ETS 파라미터를 손으로 튜닝하기보다 파운데이션 모델로 빠르게 베이스라인을 잡고 싶은 분
• 예측값뿐 아니라 신뢰구간이 필요한 재고·용량 계획 담당자
• 반대로 계수 해석이 필요한 통계 모델링, 시계열 분류/클러스터링, 다변량 인과 분석이 목적이라면 이 스킬은 적합하지 않습니다.

활용 예시

1. 월별 매출 12개월 예측: monthly_sales.csv를 읽어 컬럼별 1차원 배열 리스트로 만들고 horizon=12로 예측한 뒤, 80% 구간(lower/upper)이 포함된 결과 표를 생성.
2. 센서 이상 감지: 예측 분위 밴드를 기준으로 실측값이 80% 구간 밖이면 경고, 90% 구간 밖이면 심각으로 분류하는 간단한 알람 로직 구성.
3. 프로모션·가격 반영 수요 예측: dynamic_numerical_covariates={"price": ...}와 휴일 플래그를 넣어 공변량 기반 예측을 수행하고 순수 TimesFM 결과와 MAE 비교.

이 파일의 지시를 읽고 그대로 따라서 나를 도와줘:
https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/HEAD/skills/timesfm-forecasting/SKILL.md

내가 원하는 것: (여기에 하고 싶은 일을 쓰세요)

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.