O TimechoAI oferece um serviço de nuvem especializado em modelos de séries temporais, projetado para transformar dados históricos em previsões e análises valiosas de forma eficiente.

Compreendendo o TimechoAI

A plataforma TimechoAI combina a flexibilidade de múltiplos modelos de previsão (incluindo as versões mais recentes e clássicas do Timer, um modelo avançado para séries temporais) com a conveniência de um serviço de nuvem pronto para uso. Elimine a necessidade de desenvolver e manter modelos internos, beneficiando-se de capacidades de análise de séries temporais com alta precisão e baixa latência.

É ideal para cenários como previsão de vendas, tráfego de rede, consumo de energia e detecção de anomalias em indicadores, ou qualquer aplicação que dependa da previsão de eventos futuros baseada em dados históricos.

Primeiros Passos com TimechoAI

Você pode interagir diretamente com o TimechoAI para realizar previsões de séries temporais ou integrar suas funcionalidades diretamente em seus sistemas de negócios através de APIs e SDKs.

Independentemente da sua escolha, o primeiro passo uniforme é o registro:

Registro de Conta

1. Acesse o console do TimechoAI através do endereço: https://ai.timecho.com/.
2. Na página de registro, selecione a opção para "Solicitar Código de Convite".
3. Preencha os detalhes solicitados, como nome da empresa, endereço de e-mail e número de telefone.
4. Após o envio, aguarde a aprovação. Você receberá um código de convite por e-mail.
5. Utilize este código para concluir seu registro e iniciar o período de avaliação.

(1) Utilização Direta do TimechoAI via Interface Web

Se optar por operar o TimechoAI diretamente, após o login, você pode começar a interagir para realizar suas previsões de séries temporais. Para uma previsão univariada, siga estes passos:

Seleção de Modelo

O TimechoAI, por padrão, utiliza o modo "Automático" (Auto), que seleciona e recomenda o modelo mais apropriado com base nas características dos seus dados. Este modo otimiza a tecnologia de modelos de séries temporais grandes e inferência combinada para superar o desempenho dos modelos de séries temporais existentes.

Opcionalmente, você pode escolher modelos específicos como Timer-3.5, Timer 3.0, Chronos-2, AutoARIMA ou Holt-Winters para experimentar seus diferentes resultados de previsão.

Entrada de Dados

Você tem três métodos para fornecer seus dados existentes:

• Desenho Interativo: Para uma experiência rápida, é possível desenhar sua própria série temporal diretamente em uma área interativa da interface.
• Inserção Manual: Digite os pontos de dados sequencialmente, seguindo um formato predefinido, o que permite um controle preciso sobre cada valor.
• Upload de Arquivo: Carregue arquivos nos formatos CSV ou TsFile. Basta arrastar e soltar para importar dados históricos e iniciar a análise de previsão.

Após inserir os dados, clique no botão de seta azul localizado à direita da interface para gerar os pontos de dados de previsão e a curva correspondente.

Você pode incluir covariáveis em suas previsões usando a opção "Adicionar Covariáveis (Opcional)" na parte inferior da página. Além disso, exemplos de dados pré-carregados estão disponíveis na mesma seção para que você possa testar o sistema e sentir os resultados do TimechoAI.

(2) Integração via API/SDK

Para integrar o TimechoAI em seus sistemas via API ou SDK, siga estes procedimentos:

Login no Console e Obtenção de Credenciais de Acesso

1. Acesse o console do TimechoAI: https://ai.timecho.com/.
2. Após registrar/logar, navegue até a seção "API Keys" para localizar a área de exibição da sua Chave de API.
3. Clique no ícone de olho à direita para alternar a visibilidade da Chave de API completa, que será necessária para suas chamadas de API subsequentes.

Observações importantes sobre as Chaves de API:

• Cada conta é associada a uma única Chave de API por padrão.
• Cada solicitação de previsão consome uma unidade do seu limite diário, independentemente do período de previsão ou do volume de dados processados.
• O limite diário é restaurado automaticamente à meia-noite (00:00 UTC). Créditos não utilizados não são transferidos para o dia seguinte.
• As previsões realizadas tanto pela interface web quanto via SDK são contabilizadas no mesmo limite de requisições.
• Caso o limite padrão de requisições não atenda às suas necessidades, é possível solicitar um aumento.

Configuração do Ambiente e Primeira Tarefa de Previsão

Via REST

Para uma previsão univariada, execute o seguinte comando no terminal, substituindo <SUA_CHAVE_API> pela sua chave de API real:

curl -s -X POST https://ai.timecho.com/ai/api/v1/forecast \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <SUA_CHAVE_API>" \
  -d '{
    "targets": [{
      "columns": ["valor"],
      "data": [[100],[110],[120],[130],[140],[150],[160],[170],[180],[190],[200],[210],[220],[230],[240],[250],[260],[270],[280],[290],[300],[310],[320],[330]]
    }],
    "output_length": [7]
  }'

Via Python

Utilizar o SDK Python torna o código de previsão mais limpo e legível. Primeiro, instale o SDK:

pip install timecho-ai

Para uma previsão univariada, execute o código a seguir, substituindo SUA_CHAVE_API_TIMECHO pela sua chave de API real:

import pandas as pd
from timecho_ai import TimechoAIClient

# Geração de dados de exemplo em vez de ler de URL
# Criar um DataFrame simples com colunas 'timestamp' e 'valor'
data_points = {
    'timestamp': pd.to_datetime(['2023-01-01', '2023-01-02', '2023-01-03', '2023-01-04', '2023-01-05',
                                 '2023-01-06', '2023-01-07', '2023-01-08', '2023-01-09', '2023-01-10',
                                 '2023-01-11', '2023-01-12', '2023-01-13', '2023-01-14', '2023-01-15',
                                 '2023-01-16', '2023-01-17', '2023-01-18', '2023-01-19', '2023-01-20']),
    'valor': [100, 105, 110, 115, 120, 125, 130, 135, 140, 145, 150, 155, 160, 165, 170, 175, 180, 185, 190, 195]
}
df_historico = pd.DataFrame(data_points)
print("Dados históricos:")
print(df_historico.head())

# Definição do período de entrada e saída
LEN_ENTRADA = 15 # Usar 15 pontos para entrada
LEN_SAIDA = 5    # Prever 5 pontos futuros

# Instanciação do cliente TimechoAI (substitua pela sua chave de API real)
cliente_previsao = TimechoAIClient(api_key="SUA_CHAVE_API_TIMECHO")

# Preparar os dados de entrada para a previsão
df_para_prever = df_historico[['timestamp', 'valor']][:LEN_ENTRADA]

# Realizar a previsão para os próximos pontos
resultados_previsao = cliente_previsao.forecast(
    targets=df_para_prever,
    output_length=LEN_SAIDA
)

print("\nResultados da previsão:")
print(resultados_previsao[0])

Perguntas Frequentes (FAQ)

1. Quais são os limites de comprimento para entrada e saída do modelo?
   • Comprimento de entrada do modelo: Suporta até 2.880 pontos de dados e um máximo de 20 covariáveis.
   • Comprimento de saída do modelo: Permite até 720 pontos de previsão.
   • Para implantações privadas: É possível suportar volumes maiores de entrada de dados, conforme a configuração específica da implantação.
2. Quais as diferenças entre as versões do Timer? Qual versão é recomendada?
   • A família de modelos Timer está em constante evolução. Versões mais recentes geralmente oferecem maior precisão de previsão. Atualmente, recomendamos o uso da versão mais recente, Timer-3.5, que demonstra desempenho superior na maioria das tarefas de séries temporais.
3. Os resultados de múltiplas previsões do modelo podem ter variações significativas?
   • Não, os modelos Timer produzem resultados estáveis com a mesma entrada, apresentando pouca flutuação em previsões repetidas. A qualidade final da previsão depende principalmente da qualidade e integridade dos dados de entrada. Recomenda-se garantir que os dados de entrada não tenham lacunas ou valores anômalos.
4. O modelo suporta ajuste fino?
   • Sim, oferecemos um serviço de ajuste fino do modelo com base em dados específicos do seu cenário. Isso pode aprimorar significativamente o desempenho do modelo em domínios verticais ou cenários de negócios particulares. Se você tiver essa necessidade, entre em contato para obter suporte.
5. O que fazer se a API retornar um erro 401?
   • Um erro 401 indica falha de autenticação. Verifique o seguinte:
     • Sua chave de API está correta (observe a distinção entre maiúsculas e minúsculas)?
     • O cabeçalho da requisição inclui Authorization: Bearer {API-Key}?
     • Sua chave de API expirou ou foi excluída?
6. O que fazer se a API retornar um erro 429?
   • Um erro 429 significa que as requisições estão ocorrendo com muita frequência, ativando o limite de taxa. Por favor, reduza a frequência de suas solicitações.
7. O que fazer se os resultados da previsão não forem prceisos?
   • Você pode tentar as seguintes abordagens para melhorar a precisão:
     • Fornecer mais dados históricos.
     • Adicionar covariáveis relevantes.
     • Verificar se há valores anômalos ou dados ausentes na entrada.