TCC I - Wesley Barbosa Silva

Título: Biblioteca Modular para Previsão de Séries Temporais com Modelos de Linguagem de Grande Escala Resumo: A previsão de séries temporais é amplamente aplicada em diversos domínios, nos quais a capacidade de estimar cenários futuros apoia a tomada de decisões estratégicas e a otimização de recursos. Nos últimos anos, modelos de linguagem de grande escala (LLMs) têm demonstrado notável capacidade de generalização para dados não textuais, abrindo caminhos promissores para sua aplicação na previsão de séries temporais e oferecendo alternativas potencialmente mais flexíveis em comparação às abordagens tradicionais. Embora ferramentas consolidadas ofereçam uma ampla variedade de modelos estatísticos e de aprendizado de máquina, nenhuma delas oferece suporte a integração de LLMs à previsão de séries temporais como modelos preditivos. Diante dessa lacuna, o presente trabalho propõe uma biblioteca modular em Python que viabiliza essa integração, com suporte estruturado a técnicas de engenharia de prompts e à experimentação comparativa entre diferentes abordagens. A metodologia contempla estratégias de inferência zero-shot, few-shot e Chain-of-Thought (CoT), além de variações no formato de representação dos dados e enriquecimento estatístico do contexto fornecido aos modelos.