Dự báo chuỗi thời gian TimesFM

Dùng mô hình nền TimesFM của Google để dự báo bất kỳ chuỗi thời gian đơn biến theo kiểu zero-shot, kèm khoảng tin cậy.

Dữ liệu · Phân tíchTrung cấp★ 33,030⑂ 3,248Điểm AI 9/10Cập nhật lần cuối: 9 thg 8, 2026

Làm được gì

Dự báo chuỗi thời gian không cần huấn luyện nhờ mô hình nền TimesFM 2.5 (200M tham số) của Google Research.
Trả về dự báo điểm (trung vị) cùng 10 mức phân vị (q10–q90) để bạn dựng khoảng dự báo và đo mức bất định.
Nhận đầu vào CSV / DataFrame / mảng NumPy, hỗ trợ dự báo hàng loạt hàng trăm–hàng nghìn chuỗi.
Có script kiểm tra hệ thống bắt buộc (scripts/check_system.py) kiểm RAM, VRAM, dung lượng đĩa, phiên bản Python trước khi tải model để không làm treo máy.
Hướng dẫn thêm về biến ngoại sinh (forecast_with_covariates()), phát hiện bất thường bằng khoảng phân vị, và so sánh backtest với ARIMA.

Phù hợp với ai

Data analyst / data scientist cần dự báo doanh số, nhu cầu, cảm biến, điện năng, chỉ số sinh tồn, thời tiết.
Người muốn có baseline nhanh thay vì tinh chỉnh tay tham số ARIMA/ETS.
Nhóm lập kế hoạch tồn kho, công suất cần khoảng tin cậy chứ không chỉ một con số.
Không phù hợp nếu bạn cần giải thích hệ số thống kê, phân loại/gom nhóm chuỗi thời gian, hay phân tích nhân quả đa biến.

Ví dụ sử dụng

Dự báo doanh số 12 tháng tới: đọc monthly_sales.csv, chuyển từng cột thành mảng 1-D, gọi forecast(horizon=12) và xuất bảng kèm khoảng 80%.
Cảnh báo bất thường cảm biến: giá trị thực nằm ngoài khoảng 80% → cảnh báo, ngoài 90% → nghiêm trọng.
Dự báo nhu cầu có giá và ngày lễ: truyền dynamic_numerical_covariates={"price": ...} và cờ ngày lễ, rồi so sánh MAE với dự báo TimesFM thuần.

· · · Hướng dẫn cài đặt · · ·

Dùng thử ngay, không cần cài

Dán đoạn dưới vào Claude là dùng được skill này mà không cần cài đặt.

Hãy đọc hướng dẫn trong tệp này và làm theo để giúp mình:
https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/HEAD/skills/timesfm-forecasting/SKILL.md

Mình muốn: (viết việc bạn cần ở đây)

Nếu Claude không mở được liên kết, hãy mở liên kết và copy nội dung vào rồi dán.

↓ Thấy hữu ích thì tải ZIP bên dưới và cài. Sau đó skill tự chạy, không phải dán lại mỗi lần.

Cài vào ứng dụng Claude (không cần terminal)

Tải tệp ZIP bằng nút bên dưới.
Trong Claude, mở Settings → Capabilities và bật 'Code execution and file creation'. (chỉ một lần)
Vào Customize → Skills → + → 'Upload a skill' rồi tải tệp ZIP lên.

↓ Tải ZIP

Cài vào Claude Code

Để Claude làm — dán câu dưới đây vào Claude Code

Hãy cài skill mình tìm thấy trên Claude Skill Mart.
Copy thư mục skills/timesfm-forecasting từ repo GitHub K-Dense-AI/scientific-agent-skills vào ~/.claude/skills/timesfm-forecasting/ của mình.
Sau khi cài xong, cho mình biết skill này làm được gì trong một câu.

Cài bằng lệnh thủ công

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

⚠ Đây là skill do người khác tạo. Hãy kiểm tra repo gốc trước khi cài.

Mở terminal và clone repo: git clone https://github.com/K-Dense-AI/scientific-agent-skills.git
Copy skill vào thư mục skill của Claude: mkdir -p ~/.claude/skills && cp -r scientific-agent-skills/skills/timesfm-forecasting ~/.claude/skills/
Kiểm tra Python từ 3.10 trở lên: python --version
Bắt buộc chạy kiểm tra hệ thống: python ~/.claude/skills/timesfm-forecasting/scripts/check_system.py (nên có ≥4 GB RAM trống và ≥2 GB đĩa trống)
Cài TimesFM: uv pip install "timesfm[torch]" (hoặc pip install "timesfm[torch]")
Cài PyTorch đúng phần cứng: GPU NVIDIA dùng pip install torch --index-url https://download.pytorch.org/whl/cu121, chỉ CPU dùng .../whl/cpu, Apple Silicon cài bản mặc định.
Xác minh: python -c "import timesfm; print(timesfm.__version__)"
Khởi động lại Claude Code và yêu cầu ví dụ "dự báo doanh số 12 tháng tới từ file CSV này". Lần chạy đầu sẽ tải khoảng 800 MB trọng số từ HuggingFace.

Xem mã nguồn trên GitHub ↗Giấy phép: MIT