Create app.py

app.py

@@ -0,0 +1,30 @@
+import gradio as gr
+from transformers import TimeSeriesTransformerForPrediction, TimeSeriesTransformerConfig
+import pandas as pd
+import numpy as np
+
+# Carregar o modelo
+model = TimeSeriesTransformerForPrediction.from_pretrained("google/timesfm-2.0-500m-pytorch")
+
+def prever_vendas(historico):
+    # Converter entrada em lista de números
+    historico = [float(x) for x in historico.split(",")]
+    
+    # Preparar dados (ajuste conforme o formato esperado pelo modelo)
+    data = pd.Series(historico)
+    
+    # Gerar previsão (exemplo simplificado)
+    forecast = model.predict(data, prediction_length=3)  # Previsão para 3 meses
+    return np.round(forecast.mean, 2).tolist()
+
+# Interface Gradio
+iface = gr.Interface(
+    fn=prever_vendas,
+    inputs=gr.Textbox(label="Histórico de Vendas (separado por vírgulas)"),
+    outputs=gr.Textbox(label="Previsão para os Próximos 3 Meses"),
+    examples=[
+        ["140,155,160,145,150,165,170,160,175,160,155,170"],  # Exemplo do Produto C
+    ]
+)
+
+iface.launch()