Pronóstico De Series Temporales Mediante Modelos Fundamentales y AIOps Escalable en AWS

El pronóstico de series temporales se ha vuelto crucial para la toma de decisiones en múltiples industrias, permitiendo prever desde flujos de tráfico hasta ventas futuras. Este tipo de predicciones son clave para que las organizaciones puedan tomar decisiones más informadas, mitigar riesgos y gestionar sus recursos de manera efectiva. No obstante, los métodos tradicionales de aprendizaje automático suelen ser complejos, requiriendo ajustes precisos y personalizaciones específicas que conllevan un enorme gasto de tiempo y recursos.

Ante este desafío, surge Chronos, una familia revolucionaria de modelos de series temporales que utiliza la potencia de las arquitecturas de grandes modelos de lenguaje (LLM) para superar estas dificultades. Chronos se ha preentrenado en extensos y diversos conjuntos de datos, lo que le permite generalizar sus capacidades de pronóstico en varios dominios. Gracias a este enfoque innovador, Chronos sobresale en la realización de pronósticos «zero-shot», es decir, sin un entrenamiento previo y específico en el conjunto de datos objetivo, superando a modelos tradicionales en la mayoría de los casos evaluados.

Chronos se basa en la similitud entre el funcionamiento de los LLM y el pronóstico de series temporales, ambos decodifican patrones secuenciales para prever eventos futuros. Esto se logra tratando los datos de las series temporales como un lenguaje que puede ser modelado mediante arquitecturas de transformadores. Chronos transforma los datos continuos en un vocabulario discreto a través de un proceso de dos pasos que incluye el escalado de los datos y su cuantificación en contenedores equidistantes.

Este modelo se integrará en Amazon SageMaker Pipeline utilizando un conjunto de datos sintético que emula escenarios de pronóstico de ventas, permitiendo así obtener previsiones precisas y eficientes con un mínimo de datos. Los interesados en seguir este desarrollo necesitarán acceso a un dominio de SageMaker y los permisos necesarios de AWS Identity and Access Management para gestionar recursos.

SageMaker Pipelines permitirá orquestar experimentos de entrenamiento y evaluación, facilitando la ejecución de múltiples experimentos al mismo tiempo y reduciendo tanto el tiempo de procesamiento como los costos asociados. Una vez que el modelo de pronóstico esté finalizado, se desplegará a través de los servicios de alojamiento de SageMaker, habilitando un punto de acceso para predicciones en tiempo real mediante una interfaz HTTPS segura.

La eficacia de Chronos se evaluó con 27 conjuntos de datos no utilizados durante su entrenamiento, demostrando su capacidad para realizar pronósticos «zero-shot» de manera efectiva frente a modelos estadísticos locales y específicos de tareas. Los resultados resaltaron su habilidad para adaptarse y generalizar en entornos no previamente especificados.

Chronos, junto con su implementación en Amazon SageMaker, representa un avance significativo para empresas de diferentes sectores, facilitando el uso de técnicas avanzadas de pronóstico de series temporales, sin la necesidad de contar con expertos en aprendizaje automático. Esto no solo mejora la toma de decisiones, sino que también optimiza la eficiencia operativa.