关键字: [Amazon Web Services re:Invent 2023, TimeGPT, Time Series Forecasting, Time Series Data, Time Gpt, Open Source Time Series, Transformer Model]
本文字数: 1100, 阅读完需: 6 分钟
视频
如视频不能正常播放，请前往bilibili观看本视频。>> https://www.bilibili.com/video/BV1UQ4y1V7s6
导读
时间序列数据按时间顺序排列,构成了系统、企业和机构的基础框架。它的影响范围从测量海洋潮汐到追踪道琼斯工业平均指数的日收盘价。在这次闪电演讲中,听听Nixtla公司的TimeGPT,这是第一个针对时间序列预测进行预训练的基础模型,它可以在各种领域和应用中进行准确预测,而无需额外训练。一个通用的预训练模型构成了一个突破性的创新,为预测实践开辟了一条新的范式道路,使预测变得更加便捷和准确,节省时间,并大大降低了计算复杂度。
演讲精华
以下是小编为您整理的本次演讲的精华，共800字，阅读时间大约是4分钟。如果您想进一步了解演讲内容或者观看演讲全文，请观看演讲完整视频或者下面的演讲原文。
阿祖尔·加尔萨先生，作为Nix实验室的首席技术官兼联合创始人，为我们带来了一场关于TimeGPT的引人入胜的演讲。他将TimeGPT描述为第一个专为时间序列预测而设计的生成式人工智能模型。首先，他介绍了Nix实验室的背景，这是一家专注于时间序列研究和部署的初创公司，致力于开发AI来理解、分类和预测时态数据。正如OpenAI在语言基础模型方面和Stability AI在图像和视频基础模型方面所做的那样，Nix实验室的目标是成为时间序列基础模型的先驱。
加尔萨先生强调了这一使命的重要性，因为时间序列数据是金融、商业、能源、科技以及几乎所有企业的基石。公司基于销售数据、物联网传感器读数、电力需求、金融交易等无数其他时间序列数据进行运营。通过时间序列分析，可以预测诸如预测海洋潮汐、股票价格和供应链中断之类的事件。
为了实现开放和可访问的时间序列AI，Nix实验室已经汇集了最全面的开源生态系统，专门用于处理时间序列数据。他们的GitHub存储库包含超过10个专门的库，用于使用ARIMA和ETS等统计经典技术、XGBoost和Prophet等机器学习算法以及LSTM和Transformer网络等神经网络架构对时间序列进行建模。包括微软、Mozilla、Wayfair、Databricks、Lyft和福特在内的主要公司在其生产系统中利用这些开源库，迄今已有超过100万次下载。
在开发这些工具的过程中，Nix实验室对预测领域的关键见解。最重要的是，他们意识到对于大多数公司来说，部署端到端的预测管道非常具有挑战性、令人困惑且昂贵。这需要收集和清理数据、迭代建模、超参数优化、部署预测基础设施以及分析性能。这需要在数据工程、机器学习和云架构等领域具备专业专长。
为了克服这些挑战，Nix Lab采用了他们的‘大问题需要大解决方案’理念来研发TimeGPT，这成为了首个专门针对时间序列数据的生成性模型。为了构建TimeGPT，Nix Lab收集了Garza先生所称的有史以来最大且最具多样性的时间序列数据集，涵盖了金融、能源、交通、零售、医疗保健等多个领域。这个数据集包含了超过10亿个数据点，涵盖数千个时间序列。Nix Lab在这个庞大且多样化的时序数据库上训练了一个基于Transformer的神经网络架构，从而产生了TimeGPT。
TimeGPT的运行方式与GPT-3类似：用户只需输入他们的时间序列数据，就能立刻获得准确的预测，无需自己训练或优化模型。然而，尽管GPT-3擅长处理语言信息，但TimeGPT则专注于分析时间序列数据。据Garza先生介绍，TimeGPT的预测准确性更高且速度更快，能够在几秒钟内生成预测，而非数小时的延迟。用户还可以选择在自家企业数据集上进一步调整模型，以提高性能。
关键是，TimeGPT不再需要内部的专业机器学习知识。它提供了易于使用的API和Python SDK，开发人员只需几行代码便可访问TimeGPT的预测功能。自推出以来的8周内，科技、零售、制造、医疗保健和金融等领域的5000多家公司已采用了TimeGPT，其中包括谷歌、福特、Adobe、耐克和可口可乐等知名品牌。他们将TimeGPT应用于各种场景，如需求预测、库存优化、医疗保健分析、IoT预测性维护以及财务建模。早期采用者来自至少10个不同行业和5个国家。
为了验证TimeGPT的性能，Nix Lab在纽约市自行车行程时间系列数据集（包含1200万个数据点）上与其与Google的Vertex AI和BigQuery ML解决方案进行了基准测试。根据MSE和MAE性能指标，TimeGPT的准确性高于Vertex AI达5%，优于BigQuery ML达20%。TimeGPT在仅两分钟内生成预测，而Vertex AI需要四小时。此外，TimeGPT在不到一小时内即可部署，而Vertex AI则需要八小时。这些优势充分展示了TimeGPT的易用性，仅需两行代码即可部署，相比之下，其他解决方案的配置过程更为复杂。
在结尾部分，Garza先生对TimeGPT的能力表示兴奋，它可以通过简单的API和SDK集成让所有用户都能轻松地进行准确且快速的时间序列预测。TimeGPT在各个行业和用例中得到了广泛采用，这标志着Nix实验室在专门为时间序列数据构建基础人工智能任务上的一个里程碑，为新一代预测性应用提供动力。
下面是一些演讲现场的精彩瞬间：
Nixle正致力于发展人工智能技术，以便更好地理解、分类和预测诸如销售、物联网、电力需求和金融等领域的时间序列数据。
公司领导强调，Nixle已经建立了全球最全面的开源时间序列数据生态系统。
由于涉及数据收集、清洗、模型优化、部署和分析等多个环节，预测过程可能变得复杂、令人困惑且成本高昂。
TimeGPT-1的引入标志着时间序列分析和预测能力的重大突破。
公司领导指出，TimeGPT可应用于多种场景，如需求预测、库存管理以及各种行业（如医疗、物联网和金融等）的异常检测。
公司对全新的TimeGPT功能感到兴奋，并鼓励广大用户尝试使用。
总结
阿祖尔·加尔萨（Azul Garza）担任Nixle公司的首席技术官，他介绍了该公司开发的首个基础模型——TimeGPT，该模型专门用于处理时间序列预测问题。对于企业而言，时间序列数据具有极高的价值，但由于预测过程的复杂性，往往需要支付高昂的成本。为了解决这一问题，Nixle已经创建了一个涵盖统计和机器学习模型的开源时间序列生态系统。然而，将预测结果应用到实际业务中仍面临诸多挑战。
TimeGPT采用了经过多种时间序列数据集训练的变压器架构。正如GPT-3在处理语言方面所展现出的能力一样，TimeGPT通过API实现快速、准确的预测，无需依赖数据科学专业知识。如今，已有超过5000家公司利用TimeGPT进行需求预测、库存管理和医疗保健预测等领域的工作。
为了验证TimeGPT的性能，Nixle对其与Google Vertex AI和BigQuery在纽约市自行车旅行预测方面的表现进行了对比。结果显示，TimeGPT的预测准确度高出5-20%，并且部署速度更快。相较于Vertex AI，TimeGPT仅需两行代码即可完成部署，而非耗时数小时的培训和配置。TimeGPT让先进的预测变得触手可及，使得每个人都能对未来的发展趋势做出自己的预测。
演讲原文
https://blog.csdn.net/just2gooo/article/details/134859720
想了解更多精彩完整内容吗？立即访问re:Invent 官网中文网站！
2023亚马逊云科技re:Invent全球大会 - 官方网站
点击此处，一键获取亚马逊云科技全球最新产品/服务资讯！
点击此处，一键获取亚马逊云科技中国区最新产品/服务资讯！
即刻注册亚马逊云科技账户，开启云端之旅！
【免费】亚马逊云科技中国区“40 余种核心云服务产品免费试用”
亚马逊云科技是谁？
亚马逊云科技（Amazon Web Services）是全球云计算的开创者和引领者，自 2006 年以来一直以不断创新、技术领先、服务丰富、应用广泛而享誉业界。亚马逊云科技可以支持几乎云上任意工作负载。亚马逊云科技目前提供超过 200 项全功能的服务，涵盖计算、存储、网络、数据库、数据分析、机器人、机器学习与人工智能、物联网、移动、安全、混合云、虚拟现实与增强现实、媒体，以及应用开发、部署与管理等方面；基础设施遍及 31 个地理区域的 99 个可用区，并计划新建 4 个区域和 12 个可用区。全球数百万客户，从初创公司、中小企业，到大型企业和政府机构都信赖亚马逊云科技，通过亚马逊云科技的服务强化其基础设施，提高敏捷性，降低成本，加快创新，提升竞争力，实现业务成长和成功。
