학생의 과목별·시기별·시험난이도별 성적과 출결·학습행동을 시계열로 분석하고 향후 추이를 예측합니다.
TimesFM 계열 시계열 기초모델 아키텍처(데이터 수집 → 전처리 → 특성 → 예측 → 분석/시각화)를 백엔드에 실제로 구현했습니다.
환경에 FM이 없으면 통계적 시계열 모델로 자동 폴백합니다(외부 다운로드 0).
백엔드: 로딩 중…
① 학생 종합 예측 (모든 과목)
② 과목별 상세 분석 (난이도·시기별)
③ 행동 데이터 통합 (XReg 참조)
출석/학습시간/수면/과제제출률을 성적 예측에 공변량으로 통합합니다.
참조: google-research/timesfm (Foundation Model for Time Series). 본 구현은 명세의 전체 아키텍처(ORM·엔진·API 3종·대시보드)를
실제 코드로 옮겼으며, FM 추론 경로는 환경에 timesfm+torch 가 있으면 활성화되고, 아니면 통계적 폴백으로 동작합니다.
표시되는 수치는 데모용 샘플(빈 DB 기준 통계 모델 산출값)이며 실제 학생 데이터 적재 시 실제 예측으로 대체됩니다.