DeepTSF: Codeless machine learning operations for time series forecasting

要約

このペーパーでは、ワークフローの自動化とコードレス モデリングを通じて時系列予測を革新することを目的とした包括的な機械学習オペレーション (MLOps) フレームワークである DeepTSF について説明します。
DeepTSF は ML ライフサイクルの重要な側面を自動化し、機械学習 (ML) およびディープ ラーニング (DL) ベースの予測に従事するデータ サイエンティストや MLops エンジニアにとって理想的なツールとなります。
DeepTSF は、堅牢で使いやすいソリューションをユーザーに提供すると同時に、既存のデータ分析ワークフローとシームレスに統合するように設計されており、生産性と互換性が向上します。
このフレームワークは、データ サイエンティストやその他の上位レベルの関係者に適したフロントエンド ユーザー インターフェイス (UI) を提供し、洞察力に富んだ視覚化と評価指標を通じて包括的な理解を可能にします。
DeepTSF はまた、ID 管理およびアクセス承認メカニズムを通じてセキュリティを優先します。
I-NERGY プロジェクトの実際のユースケースにおける DeepTSF の適用は、DL ベースの負荷予測における DeepTSF の有効性をすでに証明しており、電力およびエネルギー システム ドメインにおけるその重要な付加価値を示しています。

要約(オリジナル)

This paper presents DeepTSF, a comprehensive machine learning operations (MLOps) framework aiming to innovate time series forecasting through workflow automation and codeless modeling. DeepTSF automates key aspects of the ML lifecycle, making it an ideal tool for data scientists and MLops engineers engaged in machine learning (ML) and deep learning (DL)-based forecasting. DeepTSF empowers users with a robust and user-friendly solution, while it is designed to seamlessly integrate with existing data analysis workflows, providing enhanced productivity and compatibility. The framework offers a front-end user interface (UI) suitable for data scientists, as well as other higher-level stakeholders, enabling comprehensive understanding through insightful visualizations and evaluation metrics. DeepTSF also prioritizes security through identity management and access authorization mechanisms. The application of DeepTSF in real-life use cases of the I-NERGY project has already proven DeepTSF’s efficacy in DL-based load forecasting, showcasing its significant added value in the electrical power and energy systems domain.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google