Sign in
Development

TimesFM 3.0 사용법: 여러 시계열과 외부 변수를 함께 예측하는 모델

GitHub Trending 일간 9위·1,618 stars today를 확인한 TimesFM 3.0의 설치, 최소 예제, 활용 범위와 비상업용 가중치 제한을 짚는다.

TimesFM 3.0 사용법: 여러 시계열과 외부 변수를 함께 예측하는 모델

TimesFM은 Google Research가 공개한 시계열 예측용 사전학습 모델이다. 3.0은 단일 변수뿐 아니라 여러 변수를 함께 다루고, 과거 또는 미래에 알려진 외부 변수도 입력할 수 있다.

2026년 9월 4일 10:00(Asia/Seoul) GitHub Trending 일간 목록에서 9위, 1,618 stars today를 확인했다. GitHub 저장소 API의 총 스타는 30,700개였다.

설치와 최소 실행

과거 시계열이 점 예측과 여러 불확실성 구간으로 이어지는 흐름
TimesFM은 관측 구간을 받아 미래 값과 분위수 예측을 반환한다.
python -m venv .venv
source .venv/bin/activate
pip install "timesfm[torch]"
import numpy as np
from timesfm3 import TimesFM3Evaluator, ModelConfig

model = TimesFM3Evaluator(ModelConfig(
    checkpoint_path="google/timesfm-3.0-pytorch",
    per_core_batch_size=8, device="cuda"))
series = np.linspace(0, 1, 96).astype(np.float32)
result = list(model.predict_batch([series], horizon=12))[0]
print(result.forecast.shape)

명령과 예제 형식은 커밋 aa480150의 README와 v3.0.0 릴리스를 대조했다. GPU·메모리 요구량은 환경에 따라 달라 실제 실행 전 별도 검증이 필요하다.

핵심 사용법과 활용

판매량, 전력 수요, 센서처럼 시간 순서가 있는 수치를 별도 학습 없이 예측하는 출발점으로 쓸 수 있다. 3.0은 다변량 시계열과 과거 전용·미래 포함 공변량을 지원해 가격, 휴일, 날씨 같은 조건을 함께 넣을 수 있다.

지원 환경과 라이선스

연구 실험 경로와 상용 운영 경로가 라이선스 표지판에서 갈라지는 장면
소스 코드와 3.0 가중치의 라이선스가 다르므로 배포 목적을 먼저 확인해야 한다.

최신 릴리스는 v3.0.0, 기본 브랜치는 master, 확인한 최신 커밋은 aa480150652811e732d87a3c5344b235234104e3다. 저장소 소스는 Apache-2.0이지만 3.0 사전학습 가중치는 TimesFM Non-Commercial License v1.0으로 비상업·비프로덕션 사용에 제한된다.

보안과 도입 전 확인 사항

  • 수요 예측 결과를 자동 발주나 금융 판단에 바로 연결하지 않는다.
  • 시간 순서를 보존한 백테스트로 계절 변화와 분포 이동을 확인한다.
  • 민감한 원시 시계열의 저장 위치와 체크포인트 다운로드 경로를 점검한다.
  • 상용·운영 사용이라면 가중치 라이선스와 별도 제공 조건을 먼저 검토한다.

출처와 확인 수치

순위와 스타 수는 2026년 9월 4일 10:00(Asia/Seoul) 확인값이다.

Read next