Início Projetos nixtla
nixtla

nixtla

por Nixtla · GitHub

TimeGPT-1: modelo de fundação de séries temporais pré-treinado pronto para produção para previsão e detecção de anomalias. Transformador gerador pré-treinado para séries temporais treinado em mais de 100B de pontos de dados. Capaz de prever com precisão vários domínios como varejo

Ver no GitHub
Em palavras simples

Preveja tendências e detecte anomalias em dados de séries temporais em vários campos com um modelo de IA pré-treinado.

⭐ Estrelas
🍴 Forks
🔥 Tendências
📜 Licença
Licença não especificada
📅 Criado
🔄 Último commit
🏷️ Categoria
💻 Linguagem
Mantem este projeto?

Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.

Reivindicar esta pagina →
nixtla — GitHub preview card
📈 Histórico de estrelas
4.0k3.9k
2026-07-072026-07-29
📈 Acompanhe nixtla

Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.

Grátis · sem cartão · cancele quando quiser
Receber alertas por e-mail →
📄 Sobre

TimeGPT-1: modelo de fundação de séries temporais pré-treinado pronto para produção para previsão e detecção de anomalias. Transformador gerador pré-treinado para séries temporais treinado em mais de 100B de pontos de dados. Capaz de prever com precisão vários domínios como varejo

nixtla tem 4k estrelas no GitHub. Foi bifurcado 334 vezes. nixtla é escrito principalmente em Jupyter Notebook. Está em desenvolvimento ativo desde 2021. Os seus principais temas são: agent, agentic-ai, anomaly-detection, artificial-intelligence.

Frequently asked questions

O que é nixtla?

TimeGPT-1: modelo de fundação de séries temporais pré-treinado pronto para produção para previsão e detecção de anomalias. Transformador gerador pré-treinado para séries temporais treinado em mais de 100B de pontos de dados. Capaz de prever com precisão vários domínios como varejo

nixtla é de código aberto?

nixtla é um projeto de código aberto.

nixtla é gratuito?

Sim. nixtla é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

Em que linguagem nixtla está escrito?

nixtla é escrito principalmente em Jupyter Notebook.

🏅 Mantenedor deste projeto?
OpenSourceAI badge — nixtla

Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=nixtla-nixtla)](https://opensourceai.tech/project/nixtla-nixtla.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →
timecopilot
TimeCopilot: o Agente de Previsão GenAI. Construído sobre LLMs e Modelos Fundamentais de Séries…
582 · agent-based-modeling
partilhatime-series-forecastingforecasting
darts
Uma biblioteca python para previsão amigável ao usuário e detecção de anomalias em séries tempo…
9.5k · anomaly-detection
partilhaanomaly-detectionforecasting
chronos-forecasting
Chronos: Modelos Pré-treinados para Previsão de Séries Temporais
5.7k · artificial-intelligence
partilhatime-series-forecastingforecasting
moment
MOMENT: Uma Família de Modelos Fundamentais de Séries Temporais Abertas, ICML'24
810 · anomaly-detection
partilhatime-series-forecastinganomaly-detection
lag-llama
Lag-Llama: Rumo a Modelos Fundamentais para Previsão Probabilística de Séries Temporais
1.6k · forecasting
partilhatime-series-forecastingforecasting
flow-forecast
Biblioteca PyTorch de aprendizado profundo para previsão de séries temporais, classificação e d…
2.3k · anomaly-detection
partilhatime-series-forecastinganomaly-detection
uni2ts
Treinamento Unificado de Transformadores Universais de Previsão de Séries Temporais
1.6k · deep-learning
partilhatime-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
Crie fluxos de trabalho Agentic, pipelines RAG, com suporte rico a modelos e ferramentas de IA…
151k · agent
TradingAgents
TradingAgents: Estrutura de Negociação Financeira Multi-Agentes LLM
94.9k · agent

Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.