SalesforceAIResearch/uni2ts
این پروژه یک چارچوب یکپارچه برای آموزش ترانسفورمرها در پیش‌بینی سری‌های زمانی ارائه می‌دهد.
کاربرد:
این مدل به صورت جهانی (universal) آموزش دیده و می‌تونه بدون نیاز به تنظیم مجدد، روی داده‌های سری زمانی از حوزه‌های مختلف — مثل فروش، دما، ترافیک، یا بازار سهام — پیش‌بینی انجام بده.
در چه شرایطی بهتره استفاده شود؟
وقتی داده‌های سری زمانی از منابع متنوعی داری و نمی‌خوای برای هر سری یک مدل جداگانه آموزش بدی، این روش عالیه. همچنین وقتی منابع محاسباتی محدودی داری و می‌خوای یک مدل واحد روی چندین تسک کار کنه، مناسبه.
چند مثال از موارد استفاده:
- پیش‌بینی تقاضای محصول در فروشگاه‌های زنجیره‌ای
- پیش‌بینی مصرف انرژی در شبکه‌های برق
- پیش‌بینی ترافیک شهری برای بهینه‌سازی ترافیک
- پیش‌بینی قیمت ارزهای دیجیتال یا سهام در بازارهای مالی
- ##TimeSeriesForecasting
- ##TransformerModel
- ##UniversalModel
- ##SalesforceAI
- ##DeepLearning
- ##AIResearch
- ##Forecasting
- ##MachineLearning
- ##Uni2TS
- ##CrossDomainForecasting