Ensemble forecasting with IBM Granite time-series models

请帮我把「Ensemble forecasting with IBM Granite time-series models」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
我的系统：Linux。如果实际不符，先调整方案。
本次路线：Linux：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：用示例 ETTh1 数据按文中代码跑一遍概率集成，再加载 recipes/granite-iqr 配方；也可换用自己的时序数据，按同一接口指定 timestamp_column、target_columns、context_length 与 prediction_length。
课节（官方顺序）：
1. Try Granite Timeseries Ensemble（安装与示例代码）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
2. The ensemble members（四个成员模型与架构）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
3. Two ways to combine the forecasts（Probabilistic Ensemble 与 IQR Ensemble）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
4. Which method should I use?（选型建议）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
5. Does the ensemble improve on its members?（GIFT-Eval 评测结果，节选到此为止）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
6. Extend the recipe to other forecasters（仅列标题，节选未含正文）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
7. Evaluate the recipe for your application（仅列标题，节选未含正文）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
8. Try it on your data（仅列标题，节选未含正文）：https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1

1. 环境
- Python 3 环境
- pip 安装 granite-tsfm>=0.3.11
- 可访问 huggingface.co 的网络
- 足够存放四个成员模型检查点的磁盘空间
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1
3. 目录（最外层放在我确认的位置）
granite-timeseries-ensemble-r1/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.sh     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    ├── 01-01-try-granite-timeseries-ensemble/
    ├── 02-02-the-ensemble-members/
    ├── 03-03-two-ways-to-combine-the/
    ├── 04-04-which-method-should-i-use/
    ├── 05-05-does-the-ensemble-improve-on/
    ├── 06-06-extend-the-recipe-to-other/
    ├── 07-07-evaluate-the-recipe-for-your/
    └── 08-08-try-it-on-your-data/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.sh，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。使用当前系统的终端运行。
  - python -c "import tsfm_public; print('ok')"  → 输出 ok，说明 granite-tsfm 安装成功。
  - python -c "from tsfm_public.models.ensemble.modeling_ensemble import QuantileEnsembleForecaster; print(QuantileEnsembleForecaster)"  → 能正常导入并打印类对象，无 ImportError。
  - 打开 https://huggingface.co/ibm-granite/granite-timeseries-ensemble-r1 模型卡  → 能看到集成配置说明、成员检查点与文中所提的 limitations。
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

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。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。