Modelo de fundação de séries temporais pré-treinado para previsão e detecção de anomalias.
Modelo de fundação de séries temporais pré-treinado para previsão atuarial e detecção de anomalias de risco.
O TimeGPT da Nixtla é um transformador gerativo pré-treinado construído especificamente para dados de séries temporais. Atuários e analistas de risco podem usá-lo para gerar previsões zero-shot e detectar anomalias em métricas de varejo, finanças e operacionais.
Ele fornece inferência zero-shot, detecção de anomalias e capacidades de ajuste fino (fine-tuning) para dados de séries temporais. Você pode incorporar variáveis exógenas como datas especiais ou preços, executar previsões de múltiplas séries e calcular intervalos de predição.
Adequado para analistas quantitativos e cientistas de dados que precisam de previsão rápida de séries temporais sem ajuste manual de modelos. Não é adequado para equipes que buscam bibliotecas estatísticas tradicionais estritamente locais sem dependências de API externa.
Gere previsões e detecte anomalias nativamente sem dados de treinamento prévios.
Incorpore fatores externos como datas especiais, eventos ou mudanças de preços nas predições.
Execute o TimeGPT diretamente dentro do seu ambiente Snowflake usando procedimentos armazenados e UDTFs.
Realize detecção histórica e online para sinalizar desvios inesperados em métricas de risco ou sinistros.
A biblioteca Python é gratuita sob sua licença open source, mas o uso requer uma chave de API obtida através da plataforma da Nixtla, o que significa que os custos dependem do seu consumo de API.
877 vagas remotas abertas de treinamento de IA, atualizadas em 16 de novembro de 2026; a maioria paga $20–$175 por hora. 8 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.
Não, ele possui inferência zero-shot, permitindo gerar previsões e detectar anomalias imediatamente.
Sim, você pode instalar o pacote adicional do snowflake e implantar componentes de previsão diretamente no seu esquema de banco de dados.
Você pode adicionar variáveis exógenas como datas especiais, eventos ou preços para melhorar a precisão da previsão.
Veja o Zekai primeiro no Google