Modèle de fondation pré-entraîné pour les séries temporelles pour la prévision et la détection d'anomalies.
Modèle de fondation pré-entraîné pour les séries temporelles pour les prévisions actuarielles et la détection d'anomalies de risque.
TimeGPT de Nixtla est un transformateur génératif pré-entraîné conçu spécifiquement pour les données de séries temporelles. Les actuaires et les analystes de risques peuvent l'utiliser pour générer des prévisions zero-shot et détecter des anomalies sur les métriques de vente au détail, de finance et opérationnelles.
Il offre des capacités d'inférence zero-shot, de détection d'anomalies et de fine-tuning pour les données de séries temporelles. Vous pouvez intégrer des variables exogènes telles que des dates spéciales ou des prix, exécuter des prévisions de séries multiples et calculer des intervalles de prédiction.
Idéal pour les analystes quantitatifs et les data scientists ayant besoin de prévisions rapides de séries temporelles sans réglage manuel des modèles. Il ne convient pas aux équipes recherchant des bibliothèques statistiques traditionnelles purement locales sans dépendances API externes.
Générez des prévisions et détectez des anomalies immédiatement sans données d'entraînement préalables.
Intégrez des facteurs externes tels que des dates spéciales, des événements ou des changements de prix dans les prédictions.
Exécutez TimeGPT directement au sein de votre environnement Snowflake en utilisant des procédures stockées et des UDTF.
Effectuez une détection historique et en ligne pour signaler les écarts imprévus dans les métriques de risque ou de sinistre.
La bibliothèque Python est gratuite sous sa licence open source, mais l'utilisation nécessite une clé API obtenue via la plateforme de Nixtla, ce qui signifie que les coûts dépendent de votre consommation d'API.
877 missions ouvertes à distance en entraînement d’IA, mises à jour le 16 novembre 2026 ; la plupart paient $20–$175 de l’heure. 8 d’entre elles demandent des francophones. Zekai les liste gratuitement ; la candidature se fait sur la plateforme de l’employeur.
Non, il propose une inférence zero-shot permettant de générer des prévisions et de détecter des anomalies immédiatement.
Oui, vous pouvez installer le package supplémentaire snowflake et déployer des composants de prévision directement dans votre schéma de base de données.
Vous pouvez ajouter des variables exogènes telles que des dates spéciales, des événements ou des prix pour améliorer la précision des prévisions.
Voir Zekai en premier dans Google