GluonTS
Una librería de Python para la modelización y predicción probabilística de series temporales basada en deep learning y construida sobre PyTorch.
Construye, entrena y evalúa modelos de predicción de deep learning con intervalos de predicción en Python.
GluonTS es un kit de herramientas de Python diseñado para la predicción probabilística de series temporales utilizando PyTorch. Proporciona arquitecturas de redes neuronales preconstruidas como DeepAR y utilidades para evaluar distribuciones de predicción. Debes usarlo si necesitas estimaciones de incertidumbre junto con tus predicciones de series temporales en lugar de estimaciones puntuales.
Qué es
El paquete te permite cargar datos de series temporales mediante Pandas, dividir conjuntos de datos para su evaluación y entrenar modelos de predicción neuronal. Produce predicciones en forma de distribuciones de probabilidad completas con intervalos de confianza personalizables. También se integra con modelos de base preentrenados externos como Chronos para tareas de series temporales en modo zero-shot.
Para quién
Es ideal para científicos de datos, ingenieros de machine learning y analistas cuantitativos que construyen pipelines de predicción complejos. No está diseñado para personas sin conocimientos de programación que necesiten una interfaz gráfica de usuario o hojas de cálculo simples para proyecciones lineales básicas.
Funciones clave
Distribuciones de predicción probabilística
Genera distribuciones de probabilidad predictivas completas e intervalos de predicción sombreados en lugar de predicciones de un solo punto.
Estimadores neuronales de PyTorch
Incluye modelos de redes neuronales como DeepAR construidos directamente sobre el framework PyTorch.
Utilidades de división de conjuntos de datos
Proporciona abstracciones como PandasDataset y utilidades de generadores de pruebas para la evaluación de series temporales en ventana móvil.
Soporte de modelos preentrenados
Admite la integración de predicción zero-shot con modelos de base preentrenados como Chronos.
Listo en 3 pasos
Nuestro veredicto honesto
Lo mejor
- Proporciona soporte nativo para distribuciones de salida probabilísticas e intervalos de predicción.
- Incluye algoritmos de predicción neuronal preconstruidos como DeepAR listos para usar.
- Se integra sin problemas con Pandas DataFrames y las herramientas estándar de ciencia de datos en Python.
- Ofrece abstracciones integradas para generar instancias de prueba y evaluaciones de ventana móvil.
Sus límites
- Requiere experiencia en programación en Python y comprensión de conceptos de deep learning.
- El entrenamiento de modelos neuronales complejos de series temporales en conjuntos de datos grandes requiere recursos de cálculo de GPU.
- Carece de una interfaz gráfica de usuario para usuarios de negocio no técnicos.
Precios y licencia
GluonTS es de uso gratuito bajo la licencia open source Apache-2.0. El coste principal asociado es el aprovisionamiento de la infraestructura de CPU o GPU necesaria para entrenar los modelos de deep learning con tus datos.
Empleos para hispanohablantes
874 puestos remotos abiertos de entrenamiento de IA, actualizados el 15 de noviembre de 2026; la mayoría paga $20–$170 por hora. 22 de ellos piden hispanohablantes. Zekai los lista gratis; la solicitud va a la plataforma del empleador.
Alternativas
Estas herramientas de IA evaluadas hacen el mismo trabajo al instante — de nuestro directorio puntuado.
Úsalo, o deja que lo configuremos
FAQ
¿Qué versiones de Python admite GluonTS?
GluonTS requiere las versiones de Python 3.10 a 3.14.
¿Qué framework de deep learning utiliza GluonTS?
GluonTS está construido principalmente sobre PyTorch.
¿Proporciona GluonTS estimaciones puntuales o distribuciones de probabilidad?
Produce predicciones probabilísticas, lo que te permite calcular intervalos de predicción como límites de 50% y 90%.
