---
title: "Google TimesFM 3.0 PyTorch: Zaman Serisi Tahminleme İçin Temel Model"
url: https://blog.edumints.com/google-timesfm-30-pytorch-zaman-serisi-tahminleme-icin-temel-of4vj1fl
category: "Makine Öğrenmesi"
date: 2026-09-05T09:10:01.704Z
publisher: Edumints Blog
lang: tr-TR
source_name: "hfmodels"
source_url: https://huggingface.co/google/timesfm-3.0-pytorch
---

# Google TimesFM 3.0 PyTorch: Zaman Serisi Tahminleme İçin Temel Model

Google Research tarafından geliştirilen **TimesFM 3.0 (PyTorch)**, zaman serisi tahminleme (*time-series forecasting*) görevleri için önceden eğitilmiş açık ağırlıklı bir temel modeldir (*foundation model*). Zaman serilerini sıfırdan eğitmek yerine ön eğitimli temel modellerden yararlanmak isteyen yazılım geliştiriciler ve veri bilimciler için PyTorch ekosisteminde resmi ağırlıkları ve konfigürasyonları sunar. Model, Hugging Face üzerinde **105.304** indirme ve **438** beğeni alarak öne çıkmıştır.

## Lisans (License)
Model, **TimesFM Non-Commercial License v1.0** lisansı ile yayımlanmıştır. Bu lisans modeli, araştırmacılar, öğrenciler ve deneysel prototip geliştirenler için geniş bir kullanım alanı tanırken; doğrudan ticari üretim sistemlerinde kullanımını kısıtlar. Bu nedenle kurumsal projelere entegre edilmeden önce lisans koşulları dikkatle değerlendirilmelidir.

## Model Detayları (Model Details)
TimesFM 3.0, zaman serilerindeki yerel örüntüleri ve uzun vadeli dinamikleri yakalamak üzere şu mimari bileşenlerle yapılandırılmıştır:
- **Mimari (Architecture):** Variate Attention ve CPM Iterative RevIN bileşenlerini barındıran Stacked Mixing Transformer.
- **Bağlam Yama Uzunluğu (Context Patch Length):** 32 (girdi zaman serisini 32 adımlık yama blokları halinde işler).
- **Tahmin Ufku Yama Uzunluğu (Forecast Horizon Patch Length):** 64 (tahmin çıktısını 64 adımlık yama blokları halinde üretir).
- **Katmanlar (Layers):** 20 Transformer katmanı (model boyutu: 1280, 16 dikkat başlığı).
- **Kuantiller (Quantiles):** Belirsizlik aralıklarını veren kuantiller (medyan değer 4. indekste yer alır).

## Eğitim Verisi (Data)
Modelin genel tahmin başarısını ve sıfır-atış (*zero-shot*) yeteneğini artırmak amacıyla zengin bir veri havuzu kullanılmıştır:
- `fev-bench` ile örtüşen veri kümeleri çıkarılarak hazırlanan **GiftEvalPretrain** veri kümesi.
- Kasım 2023 kesme tarihine sahip **Wikipedia Sayfa Görüntülemeleri** (*Wikipedia Pageviews*).
- 2022 yıl sonu kesme tarihine sahip **Google Trendler popüler sorguları** (*Google Trends top queries*).
- Modelin dayanıklılığını artıran **sentetik ve zenginleştirilmiş veriler** (*synthetic and augmented data*).

## Model Boyutu, Dağıtım ve Ekosistem
- **Model Boyutu ve Tensör Formatı:** F32 tensör tipinde, 0.3B (300 milyon) parametre boyutunda ve güvenli **Safetensors** biçimindedir; bu hafif boyut yerel geliştirici makinelerinde ve mütevazı GPU'larda hızlı çıkarım yapılmasını sağlar.
- **Çıkarım Sağlayıcıları (Inference Providers):** Model henüz harici bulut çıkarım sağlayıcıları tarafından doğrudan barındırılmamaktadır; geliştiricilerin PyTorch üzerinde kendi çıkarım boru hatlarını (*inference pipeline*) kurmaları gerekir.
- **Topluluk ve Türevler:** Ekosistemde 2 kuantize model alternatifi, modeli kullanan 9 Hugging Face Space demosu ve 8 öğeden oluşan resmi bir koleksiyon mevcuttur.
- **Akademik Referans:** Modelin teorik çerçevesi "A decoder-only foundation model for time-series forecasting" başlıklı arXiv:2310.10688 yayınına dayanmaktadır.

## Geliştiriciler İçin Pratik Çıkarımlar
Zaman serisi problemlerinde her metrik veya sensör verisi için ayrı ARIMA ya da LSTM modelleri eğitmek yerine, 300M parametrelik TimesFM 3.0 gibi bir temel modeli kullanmak geliştirme döngüsünü hızlandırır. Yama (*patching*) yaklaşımı gürültüyü filtrelerken, kuantiller sayesinde sadece tek bir tahmin noktası değil olasılıksal risk aralıkları da hesaplanabilir. Ancak ticari projelerde lisans kısıtlaması mutlaka göz önünde bulundurulmalıdır.

[Orijinal kaynağa buradan ulaşabilirsiniz.](https://huggingface.co/google/timesfm-3.0-pytorch)

---

**Kaynak:** [hfmodels](https://huggingface.co/google/timesfm-3.0-pytorch)
**Yayıncı:** [Edumints Blog](https://blog.edumints.com) · Alıntılarken bu URL'ye bağlantı verin: https://blog.edumints.com/google-timesfm-30-pytorch-zaman-serisi-tahminleme-icin-temel-of4vj1fl