https://gomesfellipe.github.io/tags/modelo-fundacional/Recent content in Modelo-Fundacional on Fellipe GomesHugo -- gohugo.iopt-BR© 2026 Fellipe GomesThu, 10 Sep 2026 00:00:00 +0000https://gomesfellipe.github.io/post/2026-09-09-previsao-demanda-m5-timesfm-lightgbm/Wed, 09 Sep 2026 00:00:00 +0000https://gomesfellipe.github.io/post/2026-09-09-previsao-demanda-m5-timesfm-lightgbm/<p>No dia 31 de agosto de 2026 o Google lançou o TimesFM 3.0, um modelo fundacional de séries temporais e na mesma semana eu já estava me questionando: Esse modelo bate um gradient boosting básico? Quais são os prós e contras? Então usei a competição M5 de previsão de demanda do Walmart do Kaggle para construir meus próprios benchmarks.</p> <p>A pergunta que me interessa não é só quem ganha mas quanto custa cada ponto de acurácia, em esforço humano e em máquina. Um modelo fundacional promete previsão sem treino; o gradient boosting global precisa de alguma engenharia de features e certa experiência para entregar resultados satisfatórios. Medir os dois na mesma régua mostra onde cada promessa se paga.</p>