SDK de Python para TimeGPT de Nixtla, un modelo fundacional preentrenado y alojado para pronosticar series temporales y detectar anomalías.
amazon-science/chronos-forecasting
Modelos basados en Transformer preentrenados por Amazon para pronosticar series temporales sin entrenamiento previo, incluida la familia Chronos-2.
- Estrellas
- 6,161
- Forks
- 751
- Issues abiertos
- 40
- Último commit
- hace 16 días
¿Qué es?
Chronos es una familia de modelos preentrenados para pronosticar series temporales de Amazon, que se pueden instalar desde PyPI con el paquete chronos-forecasting. Los usuarios cargan un modelo desde Hugging Face y generan pronósticos probabilísticos para nuevas series sin entrenarlo previamente.
La familia incluye Chronos-2, compatible con pronósticos univariantes, multivariantes y con covariables, además de Chronos-Bolt, más rápido y basado en parches, y los modelos Chronos originales basados en tokens y construidos sobre arquitecturas T5. Los tamaños de los modelos van de aproximadamente 8M a 710M de parámetros. El repositorio ofrece una interfaz predict_df basada en pandas con resultados por cuantiles, además de notebooks de inicio rápido y guías de implementación para SageMaker y AutoGluon-Cloud.
El proyecto también enlaza a fev, un paquete complementario para comparar modelos de pronóstico con datasets de Hugging Face.
Funciones clave
- 01Pronósticos sin entrenamiento previo de series temporales univariantes, multivariantes y con covariables mediante Chronos-2.
- 02Pronósticos probabilísticos con niveles de cuantiles configurables para los intervalos de predicción.
- 03Interfaz de pandas DataFrame mediante predict_df, con columnas id, timestamp y target.
- 04Modelos alojados en Hugging Face, con tamaños de 8M a 710M de parámetros.
- 05Guías de implementación para Amazon SageMaker JumpStart y AutoGluon-Cloud.
Casos de uso
- Pronosticar la demanda, las ventas o los precios de la electricidad sin crear un modelo específico para cada serie.
- Añadir intervalos de predicción probabilísticos a una canalización existente de series temporales.
- Probar pronósticos con datos que incluyan covariables futuras conocidas, como promociones o el clima.
- Implementar un endpoint de pronóstico en AWS para realizar inferencias en producción.
Inicio rápido
- 1
Instala el paquete con pip
pip install chronos-forecasting - 2
Instala pandas con compatibilidad con pyarrow (necesario para cargar los datos de ejemplo)
pip install 'pandas[pyarrow]' - 3
Carga Chronos-2 y ejecuta el ejemplo mínimo de predicción del README (tal como está escrito, requiere una GPU CUDA)
Antes de usarlo
- El ejemplo mínimo usa device_map="cuda", por lo que requiere una GPU NVIDIA, a menos que cambies el dispositivo.
- Para el despliegue en producción se recomienda Amazon SageMaker o AutoGluon-Cloud, lo que implica tener que configurar AWS.
Temas
Preguntas frecuentes
- ¿Qué es chronos-forecasting?
- Modelos basados en Transformer preentrenados por Amazon para pronosticar series temporales sin entrenamiento previo, incluida la familia Chronos-2. Chronos es una familia de modelos preentrenados para pronosticar series temporales de Amazon, que se pueden instalar desde PyPI con el paquete chronos-forecasting. Los usuarios cargan un modelo desde Hugging Face y generan pronósticos probabilísticos para nuevas series sin entrenarlo previamente.
- ¿chronos-forecasting es gratuito? ¿Qué licencia tiene?
- chronos-forecasting es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿chronos-forecasting sigue mantenido?
- Mantenimiento activo. El último commit de chronos-forecasting fue el 5 oct 2026.
- ¿Para qué puedo usar chronos-forecasting?
- Pronosticar la demanda, las ventas o los precios de la electricidad sin crear un modelo específico para cada serie. Añadir intervalos de predicción probabilísticos a una canalización existente de series temporales. Probar pronósticos con datos que incluyan covariables futuras conocidas, como promociones o el clima. Implementar un endpoint de pronóstico en AWS para realizar inferencias en producción.
- ¿Cómo se instala chronos-forecasting?
- Instala el paquete con pip: pip install chronos-forecasting Instala pandas con compatibilidad con pyarrow (necesario para cargar los datos de ejemplo): pip install 'pandas[pyarrow]' Carga Chronos-2 y ejecuta el ejemplo mínimo de predicción del README (tal como está escrito, requiere una GPU CUDA)
- ¿Dónde consigo chronos-forecasting?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/amazon-science/chronos-forecasting
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Herramienta de línea de comandos en Go e interfaz web para descargar modelos y datasets de HuggingFace Hub con conexiones paralelas y reanudación.
Código complementario del libro Build a Large Language Model (From Scratch) para implementar paso a paso un LLM similar a GPT en PyTorch.
Curso práctico y gratuito con notebooks de Jupyter y artículos sobre aplicaciones de LLM con OpenAI, Hugging Face, LangChain, bases de datos vectoriales, ajuste fino y poda.
Framework de Java para crear aplicaciones de IA con agentes, workflows y varios agentes sobre Spring AI.
Framework basado en Ray y vLLM para RLHF y entrenamiento de agentes con modelos grandes de lenguaje y de visión y lenguaje.