A NVIDIA mantém no GitHub a biblioteca structured-data-models (Apache-2.0, 353 estrelas, 31 forks): um pacote GPU-nativo de foundation models para dados estruturados — tabulares, relacionais e séries temporais — que faz previsões por in-context learning, sem atualizar pesos. O tutorial publicado pelo MarkTechPost (17/10/2026) mostra o fluxo com três modelos principais.

Os modelos

  • TabICLv2 — head de classificação tabular, cerca de 110 MB por tarefa (licença BSD-3, ICML'26). Faz classificação e regressão por uma única passada forward.
  • KumoTabular — variante compacta (tamanho small, cerca de 110 MB) e variante grande (tamanho large, cerca de 855 MB), aberta no OpenMDW.
  • KumoRelational (KumoRFM-2, cerca de 120 MB, OpenMDW) — para dados relacionais multi-tabela.

Todos seguem a mesma API: fit() monta o cache de contexto (KV-cache), predict() gera previsões em várias linhas de consulta, clear() limpa. Nenhum deles atualiza pesos — a previsão vem do contexto fornecido.

Resultados do tutorial

Classificação (câncer de mama, 300 linhas):

  • TabICLv2: acurácia 0.970, AUC 0.996
  • KumoTabular: acurácia 0.970, AUC 0.995
  • Logistic Regression (mesmas 300 linhas): 0.970 / 0.993
  • HistGradientBoosting: 0.967 / 0.992

Regressão (diabetes, 300 linhas rotuladas):

  • TabICLv2: RMSE mediano 53.6
  • RidgeCV (treinado): 54.3
  • HistGradientBoosting (treinado): 64.7
  • Calibração: o intervalo P10–P90 contém 81.0% das metas (nominal 80%); P5–P95 contém 91.5% (nominal 90%); a faixa de 50% fica um pouco estreita, em 43.7%.

Classificação multiclasse (20 classes equilibradas, 600 linhas, 30 por classe):

  • TabICLv2: acurácia 0.760 em 1 passada forward
  • HistGradientBoosting (treinado): 0.615
  • A biblioteca trata o caso de mais classes que os slots do head via error-correcting output codes (ECOC), recombina log-probabilidades e devolve uma coluna por rótulo — sem esforço do chamador.

Armadilhas do tutorial

  • Pré-processamento: colunas de timestamp e texto são descartadas pelo pipeline.
  • Datetime: armazenado como int64 em microsegundos — valores em nanos falham.
  • pyg-lib: bug de versionamento na URL do wheel pode exigir pin explícito.
  • KumoRelational: o exemplo de 3 tabelas (shop DB) exige mapeamento explícito de chaves estrangeiras.

Como usar

pip install structured-data-models

Requer Python 3.11+ e PyTorch 2.7+. Para executar via NIM, a NVIDIA disponibiliza KumoTabular e KumoRelational como serviços de inferência em GPU host, com conectores de dados para bancos e data warehouses.

Fonte: MarkTechPost (17/10/2026), com dados do repositório NVIDIA/structured-data-models e da documentação oficial.

Fontes e referências

Eric
Eric

Editor responsável pela Gbyte News.

Mais deste colunista ↗

Encontrou uma informação que precisa de correção? Fale com a redação.