#forecasting Repositories
Entdecke 56 aktive Open-Source-GitHub-Repositories, die mit #forecasting getaggt sind und insgesamt 186,967 Sterne gesammelt haben (durchschnittlich 3,338 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist meta/prophet mit 20,494 Sternen.
Insgesamt 56 Repositories
Werkzeug zur Erstellung hochwertiger Prognosen für Zeitreihendaten mit mehrfacher Saisonalität und linearer oder nichtlinearer Wachstum.
State-of-the-Art Deep-Learning-Skripte, nach Modellen organisiert - einfach zu trainieren und bereitzustellen mit reproduzierbarer Genauigkeit und Leistung auf Unternehmensklasse-Infrastruktur.
Eine Python-Bibliothek für benutzerfreundliche Prognosen und Anomalieerkennung in Zeitreihen.
Kats, ein Paket zur Analyse von Zeitreihendaten, ein leichtgewichtiges, einfach zu bedienendes, verallgemeinerbares und erweiterbares Framework zur Durchführung von Zeitreihenanalysen, vom Verständnis der wichtigsten Statistiken und Merkmale über die Erkennung von Wechselpunkten und Anomalien bis hin zur Vorhersage zukünftiger Trends.
Das GitHub-Repository für die Arbeit „Informer“, die von AAAI 2021 akzeptiert wurde.
Zeitreihen Timeseries Deep Learning Machine Learning Python Pytorch fastai | State-of-the-Art Deep Learning-Bibliothek für Zeitreihen und Sequenzen in Pytorch / fastai
TimeGPT-2.1: Produktionsreifes, vortrainiertes Foundation-Modell für Zeitreihen zur Prognose und Anomalieerkennung. Ein generativer, vortrainierter Transformer für Zeitreihen, der mit über 100 Milliarden Datenpunkten trainiert wurde. Mit nur wenigen Codezeilen kann es präzise Vorhersagen in verschiedenen Bereichen wie Einzelhandel, Stromversorgung, Finanzen und IoT treffen 🚀.
Eine professionell kuratierte Liste großartiger Ressourcen (Paper, Code, Daten usw.) zu Transformatoren in Zeitreihen.
[AAAI-23 mündlicher Vortrag] Offizielle Implementierung des Papiers "Sind Transformer effektiv für Zeitreihenvorhersagen?"
Deep-Learning-PyTorch-Bibliothek für Zeitreihenprognose, Klassifikation und Anomalieerkennung (ursprünglich für Flutvorhersage).
Ein Python-Toolkit/Bibliothek für realitätszentriertes maschinelles/tiefes Lernen & Data Mining bei teilweise beobachteten Zeitreihen, mit über 50 SOTA-Neuronalen Netzwerken für wissenschaftliche Analysenaufgaben (Imputation, Klassifikation, Clustering, Prognose, Anomalieerkennung, Reinigung) an unvollständigen industriellen unregelmäßig gesampelten multivariaten TS mit NaN fehlenden Werten
Ein Python-Paket für bayesianische Prognosen mit objektorientiertem Design und probabilistischen Modellen im Hintergrund.
Eine Statistikbibliothek, die die Lücke in den Zeitreihenanalyse-Fähigkeiten von Python füllen soll, einschließlich des Äquivalents zur auto.arima-Funktion von R.
Vereinheitlichtes Training von Universal-Zeitreihenprognose-Transformatoren
Lag-Llama: Auf dem Weg zu Fundamentmodellen für die probabilistische Zeitreihenprognose
Eine professionelle Liste von Papers, Tutorials und Umfragen zu KI für Zeitreihen in den Top-KI-Konferenzen und -Journalen.
Python-Bibliothek für Zeitreihenprognosen mit scikit-learn-kompatiblen Modellen, statistischen Methoden und Foundation-Modellen
Django Ledger ist ein Doppik-Buchführungssystem und eine Finanzanalyse-Engine, die auf dem Django Web Framework aufbaut.
Zeitreihen-maschinelles Lernen in großem Maßstab. Entwickelt mit Polars für leicht parallelisierbare Merkmalsextraktion und Vorhersagen auf Paneldaten.
Eine professionelle Liste zu großen (Sprach-)Modellen und Foundation Models (LLM, LM, FM) für Zeitreihen-, raumzeitliche und Ereignisdaten.
MOMENT: Eine Familie von Open Time-series Foundation Models, ICML'24
Polymarket || Polymarket Bot || Polymarket Copy Bot || Polymarket Copy Trading Bot
Ressourcen zu Zeitreihenvorhersagen und Deep Learning.
Luminaire ist ein Python-Paket, das ML-gesteuerte Lösungen zur Überwachung von Zeitreihendaten bietet.
Probabilistische hierarchische Vorhersage 👑 mit statistischen und ökonometrischen Methoden.
Zusammenstellung von aufsehenerregenden realen Beispielen für gescheiterte Machine-Learning-Projekte
PyTorch Dual-Attention LSTM-Autoencoder für multivariate Zeitreihen
TimeCopilot: das agentische Prognose-Framework. Auf Basis von LLMs und Zeitreihen-Foundation-Modellen ermöglicht es Ihnen, über eine einzige API mit mehreren Foundation-Modellen Prognosen zu erstellen, Kreuzvalidierungen durchzuführen und Anomalien zu erkennen. Von Finanzen und Energie bis hin zu Webanalysen verwandelt TimeCopilot natürlichsprachliche Abfragen in produktionsreife Prognosen.
Häufig gestellte Fragen
Welches ist das beliebteste #forecasting-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#forecasting-Projekt auf GitHub ist meta/prophet mit 20,494 Sternen. Werkzeug zur Erstellung hochwertiger Prognosen für Zeitreihendaten mit mehrfacher Saisonalität und linearer oder nichtlinearer Wachstum.
Welche Programmiersprachen werden in #forecasting-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #forecasting-Projekten auf GitHub sind Python, Jupyter Notebook, R, TypeScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #forecasting-Repositories berechnet?
Wir verfolgen 56 aktive Open-Source-Repositories, die mit #forecasting getaggt sind (500+ Sterne), mit insgesamt 186,967 Sternen und durchschnittlich 3,338 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.