Home Progetti nixtla
nixtla

nixtla

di Nixtla · GitHub

TimeGPT-1: modello di fondazione pre-addestrato per serie temporali pronto per la produzione per previsioni e rilevamento di anomalie. Trasformatore generativo pre-addestrato per serie temporali addestrato su oltre 100B punti dati. È in grado di prevedere con precisione vari domini come il retail

Visualizza su GitHub
In parole semplici

Prevedi tendenze e rileva anomalie nei dati delle serie temporali in vari campi con un modello AI pre-addestrato.

⭐ Stelle
🍴 Fork
📜 Licenza
Licenza non specificata
📅 Creato
🔄 Ultimo commit
🏷️ Categoria
💻 Lingua
Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →
nixtla — GitHub preview card
📈 Storia delle stelle
4.0k3.9k
2026-07-072026-07-29
📈 Segui nixtla

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi
Ricevi avvisi via email →
📄 Informazioni

TimeGPT-1: modello di fondazione pre-addestrato per serie temporali pronto per la produzione per previsioni e rilevamento di anomalie. Trasformatore generativo pre-addestrato per serie temporali addestrato su oltre 100B punti dati. È in grado di prevedere con precisione vari domini come il retail

nixtla ha 4k stelle su GitHub. È stato forkato 334 volte. nixtla è scritto principalmente in Jupyter Notebook. È in sviluppo attivo dal 2021. I suoi temi principali sono: agent, agentic-ai, anomaly-detection, artificial-intelligence.

Frequently asked questions

Che cos'è nixtla?

TimeGPT-1: modello di fondazione pre-addestrato per serie temporali pronto per la produzione per previsioni e rilevamento di anomalie. Trasformatore generativo pre-addestrato per serie temporali addestrato su oltre 100B punti dati. È in grado di prevedere con precisione vari domini come il retail

nixtla è open source?

nixtla è un progetto open source.

nixtla è gratuito?

Sì. nixtla è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

In quale linguaggio è scritto nixtla?

nixtla è scritto principalmente in Jupyter Notebook.

🏅 Manutentore di questo progetto?
OpenSourceAI badge — nixtla

Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=nixtla-nixtla)](https://opensourceai.tech/project/nixtla-nixtla.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →
timecopilot
TimeCopilot: l'agente di previsione GenAI. Basato su LLM e modelli fondamentali di serie tempor…
582 · agent-based-modeling
condividetime-series-forecastingforecasting
darts
Una libreria python per previsioni e rilevamento di anomalie user-friendly su serie temporali.
9.5k · anomaly-detection
condivideanomaly-detectionforecasting
chronos-forecasting
Chronos: Modelli pre-addestrati per la previsione delle serie temporali
5.7k · artificial-intelligence
condividetime-series-forecastingforecasting
moment
MOMENT: Una Famiglia di Modelli Fondamentali di Serie Temporali Open, ICML'24
810 · anomaly-detection
condividetime-series-forecastinganomaly-detection
lag-llama
Lag-Llama: Verso modelli fondamentali per la previsione probabilistica delle serie temporali
1.6k · forecasting
condividetime-series-forecastingforecasting
flow-forecast
Libreria PyTorch per deep learning per previsioni di serie temporali, classificazione e rilevam…
2.3k · anomaly-detection
condividetime-series-forecastinganomaly-detection
uni2ts
Addestramento Unificato di Trasformatori Universali per Previsioni di Serie Temporali
1.6k · deep-learning
condividetime-series-forecastingforecasting
JavaGuide
Java 面试 & 后端通用面试指南,覆盖计算机基础、数据库、分布式、高并发、系统设计与 AI 应用开发
157k · agent
dify
Crea flussi di lavoro agentici, pipeline RAG, con un ricco supporto per modelli e strumenti AI…
151k · agent
TradingAgents
TradingAgents: Framework di Trading Finanziario Multi-Agent LLM
94.9k · agent

Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.