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.
amazon-science/chronos-forecasting
Modelos baseados em Transformer pré-treinados da Amazon para previsão zero-shot de séries temporais, incluindo a família Chronos-2.
- Estrelas
- 6,161
- Forks
- 751
- Issues abertas
- 40
- Último commit
- há 16 dias
O que é?
Chronos é uma família de modelos pré-treinados de previsão de séries temporais da Amazon, que podem ser instalados pelo PyPI com o pacote chronos-forecasting. Os usuários carregam um modelo do Hugging Face e geram previsões probabilísticas para novas séries sem precisar treiná-lo com elas antes.
A família inclui o Chronos-2, que oferece suporte a previsões univariadas, multivariadas e com covariáveis, além do Chronos-Bolt, mais rápido e baseado em patches, e dos modelos Chronos originais, baseados em tokens e construídos sobre arquiteturas T5. Os modelos variam de cerca de 8M a 710M de parâmetros. O repositório oferece uma interface predict_df baseada em pandas, com resultados por quantis, além de notebooks de início rápido e guias de implantação para SageMaker e AutoGluon-Cloud.
O projeto também aponta para o fev, um pacote complementar para avaliar modelos de previsão em datasets do Hugging Face.
Recursos principais
- 01Previsão zero-shot de séries temporais univariadas, multivariadas e com covariáveis usando o Chronos-2.
- 02Previsões probabilísticas com níveis de quantil configuráveis para intervalos de previsão.
- 03Interface de pandas DataFrame via predict_df, com colunas de id, timestamp e target.
- 04Modelos hospedados no Hugging Face, com tamanhos de 8M a 710M de parâmetros.
- 05Guias de implantação para Amazon SageMaker JumpStart e AutoGluon-Cloud.
Casos de uso
- Prever demanda, vendas ou preços de eletricidade sem criar um modelo específico para cada série.
- Adicionar intervalos de previsão probabilísticos a um pipeline existente de séries temporais.
- Prototipar previsões com dados que incluem covariáveis futuras conhecidas, como promoções ou clima.
- Implantar um endpoint de previsão na AWS para inferência em produção.
Início rápido
- 1
Instale o pacote com pip
pip install chronos-forecasting - 2
Instale pandas com suporte a pyarrow (necessário para carregar os dados de exemplo)
pip install 'pandas[pyarrow]' - 3
Carregue o Chronos-2 e execute o exemplo mínimo de previsão do README (da forma como está escrito, requer uma GPU CUDA)
Antes de usar
- O exemplo mínimo usa device_map="cuda", portanto requer uma GPU NVIDIA, a menos que você altere o dispositivo.
- Para implantação em produção, recomenda-se o Amazon SageMaker ou o AutoGluon-Cloud, o que implica configurar a AWS.
Tópicos
Perguntas frequentes
- O que é chronos-forecasting?
- Modelos baseados em Transformer pré-treinados da Amazon para previsão zero-shot de séries temporais, incluindo a família Chronos-2. Chronos é uma família de modelos pré-treinados de previsão de séries temporais da Amazon, que podem ser instalados pelo PyPI com o pacote chronos-forecasting. Os usuários carregam um modelo do Hugging Face e geram previsões probabilísticas para novas séries sem precisar treiná-lo com elas antes.
- chronos-forecasting é gratuito? Qual é a licença?
- chronos-forecasting é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
- chronos-forecasting ainda é mantido?
- Manutenção ativa. O último commit de chronos-forecasting foi em 5 de out. de 2026.
- Para que posso usar chronos-forecasting?
- Prever demanda, vendas ou preços de eletricidade sem criar um modelo específico para cada série. Adicionar intervalos de previsão probabilísticos a um pipeline existente de séries temporais. Prototipar previsões com dados que incluem covariáveis futuras conhecidas, como promoções ou clima. Implantar um endpoint de previsão na AWS para inferência em produção.
- Como instalar chronos-forecasting?
- Instale o pacote com pip: pip install chronos-forecasting Instale pandas com suporte a pyarrow (necessário para carregar os dados de exemplo): pip install 'pandas[pyarrow]' Carregue o Chronos-2 e execute o exemplo mínimo de previsão do README (da forma como está escrito, requer uma GPU CUDA)
- Onde consigo chronos-forecasting?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/amazon-science/chronos-forecasting
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Ferramenta de linha de comando em Go e interface web para baixar modelos e datasets do HuggingFace Hub com conexões paralelas e suporte à retomada.
Código complementar ao livro Build a Large Language Model (From Scratch), com a implementação passo a passo de um LLM semelhante ao GPT em PyTorch.
Curso gratuito e prático, com notebooks Jupyter e artigos sobre aplicações de LLMs usando OpenAI, Hugging Face, LangChain, bancos de dados vetoriais, fine-tuning e pruning.
Framework Java para criar aplicações de IA com agentes, workflows e múltiplos agentes sobre o Spring AI.
Framework baseado em Ray e vLLM para RLHF e treinamento de agentes com RL em modelos de linguagem e visão-linguagem de grande porte.