Timestral: Mistral'ın Zaman Serisi Temel Modelleri Yayında

Mistral, zaman serisi tahmini alanındaki ilk temel model (foundation model) ailesi olan Timestral'ı duyurdu. Yalnızca 209 milyon parametreye sahip olan en büyük Timestral modeli, kendisinden çok daha büyük modelleri geride bırakarak olasılıksal ve çok değişkenli (multivariate) tahminlerde yeni bir standart belirliyor. Dört farklı boyutta (5M, 28M, 123M ve 209M parametre) sunulan bu aile, doğruluk ve verimlilik dengesini koruyarak CPU'lar üzerinde bile hızlıca çalışabiliyor. Sentetik ön eğitim, ortak değişken (covariate) duyarlı dikkat mekanizması ve uzun bağlam öğrenimini birleştiren model, Mistral Forge üzerinden ince ayar (fine-tuning) seçenekleriyle alan adaptasyonunu da destekliyor.

Zaman Serisi Temel Modelleri (TSFM)#

Zaman serisi verileri; sensör telemetrisinden gözlemlenebilirlik (observability) metriklerine kadar kurumsal yazılım dünyasının en yaygın veri tiplerinden biridir. Kapasite planlama, enerji yönetimi, tedarik zinciri, risk analizi ve kestirimci bakım gibi kritik kararlar bu tahminlere dayanır. Örneğin endüstriyel tesisler ekipman sapmalarını arıza oluşmadan yakalamak için sensörleri izlerken, finans ekipleri binlerce hesapta nakit akışı ve volatilite tahmini yapar.

Geleneksel yaklaşımlar ile modern temel modeller arasındaki farklar yazılım mühendisleri için önemli mimari değişimler sunar:

• Klasik Modeller (ARIMA ve Doğrusal Regresyon): Genellikle tek bir seriye uyarlanır ve yalnızca o serinin geçmişinden öğrenir.
• Derin Öğrenme Modelleri (PatchTST vb.): İlişkili seriler arasındaki doğrusal olmayan örüntüleri öğrenebilir ancak her veri seti için sıfırdan eğitilmeleri gerekir; öğrenilen bilgi yeni alanlara aktarılamaz.
• Zaman Serisi Temel Modelleri (Timestral): Geniş ve çeşitli bir derlem üzerinde ön eğitimden geçerek farklı seriler arasında aktarılabilen kalıpları öğrenir. Verinin kıt olduğu alanlarda bile daha önce hiç görmediği veriler üzerinde sıfır atışlı (zero-shot) tahmin yapabilir.

Kıyaslama (Benchmark) Sonuçları#

Timestral, alanın önde gelen üç açık kıyaslama testinde tek bir kontrol noktasından (ensemble olmadan) elde edilen sonuçlarla liderliğe yerleşti:

• GIFT-Eval (GMean MASE ve GMean WQL): Karşılaştırılabilir 83 ön eğitimli ve zero-shot model arasında ilk sırada yer aldı (düşük skor daha iyidir).
• TIME (GMean MASE ve GMean CRPS): Liderlik tablosundaki 35 katılımcı arasında her iki metrikte de birinci oldu (düşük skor daha iyidir).
• fev-bench (SQL Beceri Skoru): 37 model arasında en yüksek skoru alarak zirveye yerleşti (yüksek skor daha iyidir).

Her İhtiyaca Göre Optimize Edilmiş Model Ailesi ve Pratik Çıkarımlar#

Timestral; 5M, 28M, 123M ve 209M parametreli dört model olarak optimize edilmiştir. Büyük modeller tahmin doğruluğunu artırırken, küçük modeller hız ve maliyet avantajı sağlar.

Geliştiriciler ve MLOps ekipleri için pratik çıkarımlar:

• Donanım Verimliliği: 5M ve 28M gibi kompakt modeller GPU gerektirmeden doğrudan CPU üzerinde çalıştırılabildiği için bulut maliyetlerini düşürür ve uç (edge) cihazlarda gerçek zamanlı anomali tespitini kolaylaştırır.
• Hızlı Prototipleme: Her yeni müşteri veya sensör tipi için sıfırdan model eğitme (cold-start) sorununu zero-shot yeteneğiyle ortadan kaldırır.
• Zengin Bağlam Desteği: Geçmiş ve bilinen gelecek ortak değişkenleri (örneğin planlı kampanyalar veya tatil günleri) modele doğrudan girdi olarak vererek üretim sistemlerinde çok daha isabetli tahminler üretebilirsiniz.

İlgili Eğitim Modülü: Modeller: Hangisi, Ne Zaman?