# Previsão de IA para séries temporais

O modelo Time Series Foundation, desenvolvido pelo Google Research, oferece uma estrutura pré-treinada para previsão de séries temporais. O modelo foi projetado para fornecer recursos preditivos gerais em diferentes conjuntos de dados.

- ★ 31.902
- Python
- GitHub Trending · 2026-06-18

## O que você ganha
- Previsão rápida com modelo base pré-treinado
- Suporte para comprimento de contexto de 16k
- Adaptação a diferentes conjuntos de dados com estrutura flexível

## Instalação
**Instalação via PyPI**

```
pip install timesfm[torch]
# Or with Flax
pip install timesfm[flax]
# And when XReg is needed
pip install timesfm[xreg]
```

**instalação local**

```
git clone https://github.com/google-research/timesfm.git
    cd timesfm
```


## Se você não programa
Quero fazer previsões de séries temporais usando a biblioteca TimesFM. Como posso configurar a estrutura de parâmetros 200M com a versão 2.5 deste modelo básico desenvolvido pelo Google? Como devo determinar os valores max_context e max_horizon, especialmente durante a fase de compilação do modelo, e em que formato devo fornecer entrada de dados para a função de previsão? Você pode explicar com um exemplo de estrutura de código?

## Termos relacionados do glossário

## Links
- Repositório no GitHub →
- Ler em turco →

---
Fonte: TreScout Descobrir · https://trescout.com/pt/discover/timesfm/