Modelo base preentrenado de series temporales para predicción y detección de anomalías.
Modelo base preentrenado de series temporales para predicción actuarial y detección de anomalías de riesgo.
TimeGPT de Nixtla es un transformador generativo preentrenado diseñado específicamente para datos de series temporales. Los actuarios y analistas de riesgos pueden utilizarlo para generar previsiones zero-shot y detectar anomalías en métricas de retail, finanzas y operaciones.
Proporciona inferencia zero-shot, detección de anomalías y capacidades de ajuste fino para datos de series temporales. Puedes incorporar variables exógenas como fechas especiales o precios, ejecutar previsiones de múltiples series y calcular intervalos de predicción.
Adecuado para analistas cuantitativos y científicos de datos que necesitan previsiones rápidas de series temporales sin ajuste manual de modelos. No es adecuado para equipos que buscan bibliotecas estadísticas tradicionales solo locales sin dependencias de API externa.
Genera previsiones y detecta anomalías de forma inmediata sin datos de entrenamiento previos.
Incorpora factores externos como fechas especiales, eventos o cambios de precios en las predicciones.
Ejecuta TimeGPT directamente dentro de tu entorno de Snowflake usando procedimientos almacenados y UDTFs.
Realiza detección histórica y en línea para señalar desviaciones inesperadas en métricas de riesgo o siniestros.
La biblioteca de Python es gratuita bajo su licencia open source, pero su uso requiere una clave de API obtenida a través de la plataforma de Nixtla, lo que significa que los costos dependen de tu consumo de API.
877 puestos remotos abiertos de entrenamiento de IA, actualizados el 16 de noviembre de 2026; la mayoría paga $20–$175 por hora. 22 de ellos piden hispanohablantes. Zekai los lista gratis; la solicitud va a la plataforma del empleador.
No, cuenta con inferencia zero-shot que te permite generar previsiones y detectar anomalías de inmediato.
Sí, puedes instalar el extra de snowflake y desplegar componentes de predicción directamente en tu esquema de base de datos.
Puedes añadir variables exógenas como fechas especiales, eventos o precios para mejorar la precisión de las previsiones.
Ve Zekai primero en Google