Repolode
Nixtla

Nixtla/nixtla

SDK cliente em Python para o TimeGPT da Nixtla, um modelo de base pré-treinado e hospedado para previsão de séries temporais e detecção de anomalias.

Estrelas
4,026
Forks
341
Issues abertas
63
Último commit
há 4 dias

O que é?

Este repositório contém o SDK Python da Nixtla, um cliente para o TimeGPT, um transformer generativo pré-treinado para séries temporais. Com poucas linhas de código, ele permite que desenvolvedores prevejam valores futuros e detectem anomalias em dados de séries temporais, sem precisar treinar um modelo com os próprios dados.

O TimeGPT é de código fechado e executado nos servidores da Nixtla, portanto cada chamada para previsão ou detecção de anomalias exige uma API key. O SDK é open source sob a licença Apache 2.0. Também é possível usá-lo com o TimeGPT implantado na própria infraestrutura, e ele inclui um script para implantar o TimeGPT dentro do Snowflake.

O SDK oferece suporte a previsões zero-shot, fine-tuning, variáveis exógenas, intervalos de previsão, validação cruzada e previsão de várias séries. Na versão atual, a API de detecção de anomalias funciona em lotes, e o README informa que uma variante online diferente está planejada para o nixtla 1.0.

Recursos principais

  • 01Previsão zero-shot e detecção de anomalias sem treinar um modelo
  • 02Fine-tuning com seus próprios conjuntos de dados e funções de perda personalizadas
  • 03Suporte a variáveis exógenas, como feriados, eventos ou preços
  • 04Intervalos de previsão e validação cruzada integrada
  • 05Previsão de várias séries e timestamps irregulares
  • 06Script de implantação no Snowflake para execução dentro do seu data warehouse

Casos de uso

  • Prever a demanda do varejo ou a carga elétrica sem criar modelos personalizados
  • Monitorar sensores de IoT ou fluxos de métricas para detectar anomalias
  • Adicionar previsões de séries temporais a uma aplicação por meio de chamadas de API
  • Executar previsões dentro do Snowflake sem transferir os dados para fora

Início rápido

  1. 1

    Instale o SDK nixtla

    pip install nixtla>=0.8.0
  2. 2

    Obtenha uma chave de API na página de avaliação gratuita

  3. 3

    Crie um NixtlaClient com sua chave e chame forecast() nos seus dados

Antes de usar

  • É necessária uma chave de API, pois as previsões são executadas no modelo TimeGPT hospedado.
  • O TimeGPT em si é de código fechado; apenas o cliente do SDK é licenciado sob Apache 2.0.
  • detect_anomalies() foi removido no nixtla 1.0 e não tem substituto direto. Portanto, a atualização fará com que o código de detecção de anomalias em lote deixe de funcionar.

Tópicos

Perguntas frequentes

O que é nixtla?
SDK cliente em Python para o TimeGPT da Nixtla, um modelo de base pré-treinado e hospedado para previsão de séries temporais e detecção de anomalias. Este repositório contém o SDK Python da Nixtla, um cliente para o TimeGPT, um transformer generativo pré-treinado para séries temporais. Com poucas linhas de código, ele permite que desenvolvedores prevejam valores futuros e detectem anomalias em dados de séries temporais, sem precisar treinar um modelo com os próprios dados.
nixtla é gratuito? Qual é a licença?
nixtla é open source sob a licença Other. Confira os termos da licença antes de usá-lo em produtos comerciais.
nixtla ainda é mantido?
Manutenção ativa. O último commit de nixtla foi em 15 de out. de 2026.
Para que posso usar nixtla?
Prever a demanda do varejo ou a carga elétrica sem criar modelos personalizados Monitorar sensores de IoT ou fluxos de métricas para detectar anomalias Adicionar previsões de séries temporais a uma aplicação por meio de chamadas de API Executar previsões dentro do Snowflake sem transferir os dados para fora
Como instalar nixtla?
Instale o SDK nixtla: pip install nixtla>=0.8.0 Obtenha uma chave de API na página de avaliação gratuita Crie um NixtlaClient com sua chave e chame forecast() nos seus dados
Onde consigo nixtla?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/Nixtla/nixtla

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados