返回资源列表

IBM Research(发布于 Hugging Face Blog) · Fearghal O'Donncha · Chandramouli Kamanchi · Guruprasad Ranjini · Wesley M. Gifford · Natalia Martinez Gil · Bradley Eck · Pankaj Dayama · Roman Vaculin

Ensemble forecasting with IBM Granite time-series models

Ensemble forecasting with IBM Granite time-series models是IBM Research(发布于 Hugging Face Blog)的免费文章(en)。前置条件:需要了解时序预测的基本概念(上下文长度、预测步长、分位数预测),并能读写 Python 与 pandas 代码。

能安装并使用 granite-tsfm 的集成预测接口,用四种 Granite 时序模型的组合得到点预测与分位数预测,并了解概率集成与 IQR 集成两种合并规则及其实评测结果。

打开官方课程
难度
见前置条件
类型
博客 · 文章
语言
en
规模
8 个课节
内容费用
免费
动手
需要动手环境

使用限制

无需注册即可阅读正文与复制代码;运行示例需本地 Python 环境并能访问 Hugging Face 下载模型权重。

练习与作业
联网访问 Hugging Face 下载 ibm-granite/granite-timeseries-ensemble-r1 及四个成员检查点

第一次学这门课?先完成学前准备,把课程目录搭好。

每节课这样学

  1. 发提示词把下面的每课提示词发给 AI Agent,它会准备这一课的练习文件。
  2. 学官方课节打开对应课节学习,按提示从第一道练习做起;它不会替你写答案。
  3. 记进度学完让 AI Agent 在 progress.md 勾选,并把疑问整理到 questions.md。
每课提示词 · 每次学习前用
继续学习「Ensemble forecasting with IBM Granite time-series models」。课程目录是 granite-timeseries-ensemble-r1/(不知道完整路径就先问我)。
1. 读 progress.md,找到下一课;如果我指定了第几课,就准备那一课。
2. 打开这一课的官方页面和本地讲义,列出本课练习要用的工具、文件和样例数据。缺少的先告诉我,等我同意再安装或下载。
3. 在 lessons/ 对应的课节文件夹里准备好练习:exercises/ 里给每道题建一个文件,写上题号和题目原文链接,不写答案;已有文件保留,样例数据放到 data/。拿不到官方题目或起始代码时记录限制,不编造替代品。
4. 按 README 运行开课时生成的自检脚本或在线检查清单,并检查本课新增工具能否正常使用。
5. 告诉我:本课先读哪几节、从哪道练习开始、大约需要多久。我学完后,帮我在 progress.md 勾选并把问题整理到 questions.md。

边界:
- 需要管理员权限、会产生费用或需要填写密钥的操作,先告诉我原因,等我同意。密钥由我在本机配置,不发到聊天,不写进笔记或版本库;原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案,也不替我提交。我卡住时只给提示;我明确要求时才给解答。
- 只下载许可允许个人保存的材料;其余只放链接。不把未运行的命令说成成功。

课节共 8 节 · 官方顺序

  1. 01Try Granite Timeseries Ensemble(安装与示例代码)
  2. 02The ensemble members(四个成员模型与架构)
  3. 03Two ways to combine the forecasts(Probabilistic Ensemble 与 IQR Ensemble)
  4. 04Which method should I use?(选型建议)
  5. 05Does the ensemble improve on its members?(GIFT-Eval 评测结果,节选到此为止)
  6. 06Extend the recipe to other forecasters(仅列标题,节选未含正文)
  7. 07Evaluate the recipe for your application(仅列标题,节选未含正文)
  8. 08Try it on your data(仅列标题,节选未含正文)

常见问题

免费吗?

免费:节选正文可直接读到完整的安装命令、示例代码、方法说明与评测表格,未见付费墙或登录拦截;页面写明集成配方与默认成员模型采用宽松许可。实践费用待核验:网页未说明运行示例是否需要付费算力;仅提到首次运行需下载四个成员检查点、需要额外等待时间。

需要什么基础?

需要了解时序预测的基本概念(上下文长度、预测步长、分位数预测),并能读写 Python 与 pandas 代码。软件、账号与硬件:Python 环境,可安装 pip 包 granite-tsfm>=0.3.11,首次运行需联网下载四个成员模型权重。

有中文吗?

本站记录的语言是en;是否有中文字幕或译本本站未核实,请以原站为准。

怎么开始?

从原始资源入口开始:https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1。本页“学前准备”列出环境与工具,“学习指南”给出开课提示词,可以在自己的电脑上按步骤开始。开课提示词尚未完整验证。练习与作业需要自备:联网访问 Hugging Face 下载 ibm-granite/granite-timeseries-ensemble-r1 及四个成员检查点。

来源与使用须知

收录时间
本站首次收录 2026-10-28原站首次发布 2026-10-22
指南参考

版权与转载

  • 课程材料未标明许可:仅供个人学习,转载、修改或商用前请先联系原作者。
  • 本站只提供原始链接和学习指南,不转载、不镜像课程材料;引用时请注明原作者与出处。