Hugging Face 注目モデル
google/timesfm-3.0-pytorch
時系列予測の基盤モデル
製造業★★★☆☆人気★★★★☆othertime-series-forecastingDL 939,084（直近30日）♥ 972
TimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.
注目されている理由
GitHubのTimesFMに対応する重みで、時系列の基盤モデルとして継続してダウンロードされています。
製造業での使いどころ
需要予測の当たりを取る用途に向きます。コード側はApache-2.0ですが、重みのライセンスは `other` のため、商用利用の条件は別に確認が必要です。
基本情報
| モデル | google/timesfm-3.0-pytorch |
|---|---|
| 配布元 | |
| 用途（pipeline） | time-series-forecasting |
| ライセンス | other |
| ダウンロード（直近30日） | 939,084 |
| いいね | 972 |
| トレンドスコア | 13 |
数字は2026年10月21日時点でHugging Face Hub API（トレンドと、検査・時系列・OCR の用途別一覧）から取得した値です。ライセンスは掲載時点の表記のため、導入前に配布元で必ず確認してください。「製造業」の星は用途の近さとライセンス・導入のしやすさから編集部が付けた5段階、「人気」の星は直近30日のダウンロード数から機械的に決めた5段階です。
関連テーマ
関連する記事
-
予知保全AIとは？異常検知・故障診断・余寿命推定の3段階と導入6ステップ
-
時系列データの異常検知AI入門：統計・予測残差・再構成型の3方式と選び方
-
製造業のAI活用10領域：外観検査・予知保全から設計・技能伝承まで一覧
-
予知保全AIが失敗する6つの理由：故障事例不足・誤報・保全行動につながらない
-
異常検知の誤報を減らす：1日あたり誤報件数とイベント単位評価で設計する
-
予知保全と予防保全・事後保全の違い：故障の82%がランダムという前提から考える
同じ一覧の他のモデル
CONSULTATION
「AIで何ができるのか分からない」段階からご相談ください
AI導入テーマの選定、PoCの設計、データ基盤・MESとの連携、本番運用と人材育成まで。株式会社サオスの実務者が、貴社の現場とデータに合わせた進め方をご提案します。
AI導入の相談をする相談は無料です。特定製品の売り込みは行いません。