Datos y ML
Timestral: previsiones sin GPU
«Timestral: previsiones sin GPU» es un curso gratuito en español de nivel principiante con 12 lecciones y instrucciones para Windows, macOS y Linux. Forma parte de la serie «Modelos de IA de pesos abiertos (open weights)».
Timestral es la familia de modelos de Mistral AI que prevé ventas, consumo eléctrico, visitas a una web o lecturas de sensores a partir de su historia, sin entrenarlo y sin tarjeta gráfica. Curso paso a paso para Windows, MacOS y Linux: qué es y para qué sirve, qué permite su licencia, qué ordenador necesita cada tamaño, cómo se instala y cómo se usa con un CSV exportado de tu hoja de cálculo. Con casos de prueba de resultado conocido para medir si acierta (MAE y MASE frente a la regla ingenua) y una tabla de errores típicos.
- Categoría
- Datos y ML
- Nivel
- Principiante
- Duración
- 4–5 horas
- Lecciones
- 12
- Precio
- Gratis
- Idioma
- Español
- Formato
- En línea, a tu ritmo
- Sistemas
- Windows, macOS y Linux
- Licencias explicadas
- Apache 2.0, Modified MIT License
Qué aprenderás
- Explicar qué es una serie temporal y qué hace un modelo fundacional que prevé sin ajuste
- Decidir si un caso encaja con Timestral y si la licencia Modified MIT permite usarlo
- Elegir el tamaño de modelo y la configuración de ordenador adecuados, con tiempos y memoria medidos
- Instalar Timestral en un entorno aislado en Windows, MacOS o Linux y prever un CSV propio
- Medir si una previsión acierta con MAE, MASE y cobertura frente a la regla ingenua estacional
- Usar covariables sin caer en la fuga de datos y resolver los errores más habituales
Para quién es
Curso de nivel principiante, con una duración estimada de 4–5 horas.
Para quien lleva cifras en una hoja de cálculo —ventas, visitas, consumo— y quiere prever los próximos valores sin ser programador ni estadístico. Basta un ordenador normal con Windows, MacOS o Linux y sin tarjeta gráfica: 4 GB de RAM y 2 GB de disco libre como mínimo.
Antes de empezar, revisa los requisitos de hardware y software de esta página.
Requisitos
Hardware: configuración mínima, recomendable y óptima
| Concepto | Mínima | Recomendable | Óptima |
|---|---|---|---|
| Procesador | 64 bits, 2 núcleos | 4 núcleos | 8 núcleos o más |
| Memoria RAM total | 4 GB | 8 GB | 16 GB |
| Disco libre | 2 GB | 4 GB | 4 GB en un disco SSD |
| Tamaños que van bien | 5M y 28M; 123M y 209M arrancan, pero con poco margen | Los cuatro | Los cuatro, con historias largas y cientos de series a la vez |
| Qué esperar | Previsiones de una serie en menos de un segundo con los pequeños | Menos de un segundo por serie con cualquier tamaño | El de 209 millones con 32.768 pasos de historia en unos 5 segundos |
| Tarjeta gráfica | No hace falta | No hace falta | Solo si tienes miles de series (ver abajo) |
Detalle completo en el paso 4: «Qué ordenador necesitas: configuración mínima, recomendable y óptima».
Software y servicios
Sistemas operativos
Instrucciones propias para Windows, macOS y Linux.
Modelos y descarga oficial
Licencia del modelo
Licencias que explica el curso: Apache 2.0 y Modified MIT License.
Objetivo del curso: decidir si un caso encaja con Timestral y si la licencia Modified MIT permite usarlo.
Se explica en el paso 3: «La licencia en lenguaje llano: quién puede usarlo y cómo».
Temario del curso
- 1Qué es Timestral y prepara tu carpeta de trabajo
- 2Para qué sirve, en qué es especialista y para qué no
- 3La licencia en lenguaje llano: quién puede usarlo y cómo
- 4Qué ordenador necesitas: configuración mínima, recomendable y óptima
- 5Comprueba que tienes Python, y si no, instálalo
- 6Instala PyTorch y Timestral en un entorno virtual
- 7Descarga el modelo y haz tu primera previsión
- 8Prepara tu CSV desde una hoja de cálculo y prevé con él
- 9Mide si acierta: MAE, MASE y la previsión ingenua estacional
- 10Más casos de prueba: tráfico web, energía y los cuatro tamaños
- 11Ejemplos de uso: covariables y medir tu ordenador
- 12Errores típicos y la prueba que importa: tu propia serie
Preguntas frecuentes
¿Qué aprenderé en el curso «Timestral: previsiones sin GPU»?
Al terminar podrás: explicar qué es una serie temporal y qué hace un modelo fundacional que prevé sin ajuste; decidir si un caso encaja con Timestral y si la licencia Modified MIT permite usarlo; elegir el tamaño de modelo y la configuración de ordenador adecuados, con tiempos y memoria medidos; instalar Timestral en un entorno aislado en Windows, MacOS o Linux y prever un CSV propio; medir si una previsión acierta con MAE, MASE y cobertura frente a la regla ingenua estacional; usar covariables sin caer en la fuga de datos y resolver los errores más habituales.
¿Para quién es, qué nivel tiene y cuánto dura?
Es un curso de nivel principiante. Para quien lleva cifras en una hoja de cálculo —ventas, visitas, consumo— y quiere prever los próximos valores sin ser programador ni estadístico. Basta un ordenador normal con Windows, MacOS o Linux y sin tarjeta gráfica: 4 GB de RAM y 2 GB de disco libre como mínimo. Duración estimada: 4–5 horas, en 12 lecciones.
¿Qué ordenador necesito? ¿Cuál es la configuración mínima, recomendable y óptima?
El paso 4, «Qué ordenador necesitas: configuración mínima, recomendable y óptima», compara tres configuraciones. Mínima — Procesador: 64 bits, 2 núcleos; Memoria RAM total: 4 GB; Disco libre: 2 GB; Tamaños que van bien: 5M y 28M; 123M y 209M arrancan, pero con poco margen; Qué esperar: Previsiones de una serie en menos de un segundo con los pequeños; Tarjeta gráfica: No hace falta. Recomendable — Procesador: 4 núcleos; Memoria RAM total: 8 GB; Disco libre: 4 GB; Tamaños que van bien: Los cuatro; Qué esperar: Menos de un segundo por serie con cualquier tamaño; Tarjeta gráfica: No hace falta. Óptima — Procesador: 8 núcleos o más; Memoria RAM total: 16 GB; Disco libre: 4 GB en un disco SSD; Tamaños que van bien: Los cuatro, con historias largas y cientos de series a la vez; Qué esperar: El de 209 millones con 32.768 pasos de historia en unos 5 segundos; Tarjeta gráfica: Solo si tienes miles de series (ver abajo).
¿En qué sistemas operativos se puede seguir?
El curso da instrucciones propias para Windows, macOS y Linux.
¿Qué licencia tiene el modelo y qué permite hacer?
Se explica en el paso 3, «La licencia en lenguaje llano: quién puede usarlo y cómo». Licencias que trata: Apache 2.0 y Modified MIT License. Objetivo del curso: decidir si un caso encaja con Timestral y si la licencia Modified MIT permite usarlo.
¿Dónde se descargan los modelos?
De sus páginas oficiales de descarga: Timestral-5M (https://huggingface.co/mistralai/Timestral-5M); Timestral-28M (https://huggingface.co/mistralai/Timestral-28M); Timestral-123M (https://huggingface.co/mistralai/Timestral-123M); Timestral-209M (https://huggingface.co/mistralai/Timestral-209M).
¿Qué programas o servicios se usan?
Python, PyTorch, Timestral, Hugging Face, pandas y Hoja de cálculo (LibreOffice Calc, Excel o Numbers).
¿El curso es gratis?
Sí. El curso es gratuito. Puedes crear una cuenta gratuita en Taku para guardar tu progreso.
¿Forma parte de una serie?
Sí, de la serie «Modelos de IA de pesos abiertos (open weights)», con estos cursos: «Muse Spark Open paso a paso», «FLUX 3 Klein en tu ordenador», «Timestral: previsiones sin GPU», «Nemotron 3.5 en local» y «Qwen3.8 en tu ordenador».