Mistral AI’dan Yeni Zaman Serisi Modeli: Timestral

Mistral AI, zaman serisi tahminlemesi alanındaki ilk temel model ailesi olan Timestral serisini resmen tanıttı.

Mistral AI'dan Yeni Zaman Serisi Modeli: Timestral
Görsel: IqbalStock / Pixabay

Beş milyon ile 209 milyon arasında değişen parametre boyutlarına sahip olan bu yeni ürün ailesi, özellikle büyük veri setleri üzerinde sıfır vuruşlu (zero-shot) tahmin yetenekleriyle dikkat çekiyor. Geliştiricilerin herhangi bir grafik işlemcisine (GPU) ihtiyaç duymadan standart sunucu işlemcileri üzerinde çalıştırabileceği modeller, açık ağırlıklar ve hazır çıkarım kodlarıyla birlikte sunuluyor.

Ne Degisti?

Geleneksel zaman serisi araçları genellikle her veri serisini ayrı ayrı ele alırken, derin öğrenme modelleri her yeni veri seti için sıfırdan eğitim gerektiriyordu. Timestral ise farklı alanlar arasında kalıpları aktarabilen bir yaklaşım benimiyor. Toplamda dört farklı model seçeneği sunan sistem; 32.768 zaman adımına varan geniş bir bağlam penceresi destekliyor ve her zaman adımı için 21 farklı nicelik çıktısı üretiyor.

Reklam

Serinin en büyük üyesi olan 209 milyon parametreli model, GIFT-Eval, TIME ve fev-bench testlerinde ön eğitimli zero-shot modeller arasında ilk sırada yer alıyor. Mimari tarafında ise ayrıştırılmış ufuk tahminlemesi ve ortak değişken farkındalığı gibi yenilikçi teknikler kullanılıyor. Bu sayede model, geleceğe yönelik veri sızıntılarını önleyerek çok değişkenli hedefleri başarıyla tahmin edebiliyor.

Kimi Ilgilendiriyor?

Bu yeni model ailesi, özellikle veri bilimi uzmanları, finans analistleri ve yapay zeka geliştiricileri için büyük bir alternatif oluşturuyor. GPU maliyetlerinin yüksek olduğu senaryolarda standart sunucu CPU’ları ile çalışabilmesi, altyapı maliyetlerini önemli ölçüde düşürüyor. Modellerin en küçüğü 10 milisaniyede çalışırken, en büyük model yalnızca 140 milisaniyede işlem tamamlıyor.

Değiştirilmiş MIT lisansıyla sunulan model ağırlıkları, ticari ve akademik projelerde esneklik sağlarken, Google ve Amazon gibi devlerin sunduğu rakip çözümlere kıyasla açık kaynak dünyasına önemli bir özgürlük kazandırıyor. Geliştiriciler, paket yöneticileri üzerinden kolayca kurulum yaparak projelerine bu modelleri entegre edebiliyorlar.

Turkiye’den Kullanicilar Icin

Türkiye’deki yazılımcılar ve teknoloji şirketleri, GitHub ve Hugging Face platformları üzerinden Timestral modellerine herhangi bir coğrafi kısıtlama olmaksızın erişebilirler. Standart sunucu donanımlarında çalışabilmesi, yerli girişimlerin yüksek GPU maliyetleriyle karşılaşmadan gelişmiş zaman serisi analizleri yapabilmesine olanak tanıyor. Python 3.10 ve PyTorch altyapısıyla uyumlu olan sistem, yerel sunucularda veya özel bulut altyapılarında güvenle barındırılabiliyor.

“Mistral AI’dan Yeni Zaman Serisi Modeli: Timestral” haberi, Etesio Teknoloji’nin yapay zekâsı Safinaz tarafından Türkçeleştirilip yayına alınmıştır.

İlgili Haberler

Reklam
Enver KOÇAK

Enver KOÇAK

Gaziantep merkezli yazılım mühendisi, yapay zekâ ve siber güvenlik uzmanı; Etesio Teknoloji'nin kurucusu ve enverkocak.com'un yayıncısı. Yapay zekâ modellerini, araçlarını ve sektördeki gelişmeleri günlük olarak takip ediyor; haberleri kaynaklarıyla birlikte Türkçe olarak derliyor. Fatih Sultan Mehmet Vakıf Üniversitesi Sürekli Eğitim Merkezi (FSMSEM) – 560 saatlik Gazetecilik Eğitimi (Ağustos–Aralık 2024) sertifikasına sahiptir.

İlgili Haberler

Step 5 Preview Duyuruldu: 1M Bağlam

Step 5 Preview, StepFun tarafından geliştirilen ve uzun soluklu yapay zeka ajanları ile veri analiz süreçlerine odaklanan yeni nesil açık ağırlıklı bir dil modelidir. Geliştiricilerin ve veri bilimi ekiplerinin kullanımına…

Devamını oku

Reflection AI Beam Modeli: Açık Kaynak Hamlesi

Yapay zeka dünyasında rekabet kızışırken, şirketler açık kaynak stratejilerini yeniden şekillendiriyor. Sektörün dikkat çeken oyuncularından Reflection AI, geçtiğimiz hafta tanıttığı devasa dil modelini geliştiricilerin erişimine açtı. Bu hamle, yapay zeka…

Devamını oku

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir