# Modele bazowe dla szeregów czasowych

EN: **Time-series foundation models** · id `tsfoundation`

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Uczenie maszynowe](https://aiatlasgraph.com/t/ml.md) › [Prognozy i anomalie](https://aiatlasgraph.com/t/timeseries.md) › Modele bazowe dla szeregów czasowych

## Description

- PL: Transformery wytrenowane na ogromnej liczbie różnych szeregów, które prognozują nowy szereg bez trenowania na nim (zero-shot).
- EN: Transformers pretrained on a very large number of diverse series that forecast a new series without training on it (zero-shot).

## In one sentence

- PL: To gotowe modele, które wykorzystują wcześniejszą naukę z wielu historii pomiarów do prognozowania nowych.
- EN: These pretrained models use learning from many measurement histories to forecast new ones.

## Problem it solves

- PL: Osobne uczenie modelu dla każdego nowego ciągu pomiarów wymaga czasu i wystarczającej historii danych.
- EN: Training a separate model for each new measurement sequence takes time and enough historical data.

## What it does

- PL: Odczytuje podaną historię jako kontekst i przewiduje kolejne wartości, korzystając z wcześniej poznanych wzorców bez osobnego treningu na tej historii.
- EN: It reads the supplied history as context and predicts future values using previously learned patterns without separate training on that history.

## Everyday example

- PL: Podajesz gotowemu modelowi historię zużycia energii w budynku i otrzymujesz prognozę kolejnych odczytów bez uczenia osobnego modelu.
- EN: You give a pretrained model a building's energy use history and receive a forecast of future readings without training a separate model.

## This concerns you if you…

- PL: chcesz wypróbować prognozę bez osobnego treningu
- PL: masz historię pomiarów do podania gotowemu modelowi
- EN: want to try forecasting without separate training
- EN: have a measurement history to give a pretrained model

## Keywords

Chronos · TimesFM · zero-shot forecasting · time-series tokenization · time patching · probabilistic forecasts

## How it works

- PL: Pretraining na różnorodnych szeregach uczy model przewidywania dalszego przebiegu z historii. Skalowanie i kodowanie wartości lub fragmentów czasowych tworzy wejście transformera, który generuje prognozę albo jej rozkład.
- EN: Pretraining on diverse series teaches a model to predict continuations from history. Scaling and encoding values or time patches provide transformer inputs, producing forecasts or forecast distributions.

## Limits

- PL: Nowa częstotliwość, skala i dynamika mogą wykraczać poza pretraining. Zero-shot nie gwarantuje przewagi nad prostym baseline; potrzebna jest ocena dla właściwego horyzontu i dostępnych cech.
- EN: New frequencies, scales and dynamics can exceed pretraining coverage. Zero-shot use does not guarantee beating simple baselines; evaluation needs appropriate horizons and available features.

## Key terms

- PL: **zero-shot forecasting**: Prognozowanie nowego szeregu bez osobnego treningu modelu na nim.
- PL: **patch czasowy**: Fragment kolejnych pomiarów kodowany jako jednostka wejścia modelu.
- EN: **zero-shot forecasting**: Forecasting a new series without separately training the model on it.
- EN: **time patch**: A consecutive measurement segment encoded as one model input unit.

## Know first

- [Transformery i attention (Transformers and attention)](https://aiatlasgraph.com/t/transformers.md)
- [Trening od zera / pretraining (Training from scratch and pretraining)](https://aiatlasgraph.com/t/pretraining.md)

## Examples

- PL: Chronos · TimesFM · prognoza zero-shot
- EN: Chronos · TimesFM · zero-shot forecasting

## Related topics

Untyped, symmetric "see also" links.

- [Sygnały z ciała i urządzenia noszone (Physiological signals and wearables)](https://aiatlasgraph.com/t/biosignals.md)
- [Szacowanie pozostałego czasu życia (RUL) (Remaining useful life (RUL) prediction)](https://aiatlasgraph.com/t/rulprediction.md)
- [Trening od zera / pretraining (Training from scratch and pretraining)](https://aiatlasgraph.com/t/pretraining.md)

## Sources

- [Chronos: Learning the Language of Time Series](<https://arxiv.org/abs/2403.07815>) `ansari-chronos-2024` · by Abdul Fatir Ansari, Lorenzo Stella, Caner Turkmen, Xiyuan Zhang i in. (17 autorów)
- [A decoder-only foundation model for time-series forecasting](<https://arxiv.org/abs/2310.10688>) `das-timesfm-2023` · by Abhimanyu Das, Weihao Kong, Rajat Sen, Yichen Zhou

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/tsfoundation · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30