#timeseries Repositories
Entdecke 50 aktive Open-Source-GitHub-Repositories, die mit #timeseries getaggt sind und insgesamt 104,436 Sterne gesammelt haben (durchschnittlich 2,088 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist leeoniya/uPlot mit 10,664 Sternen.
Insgesamt 50 Repositories
Zeitreihen Timeseries Deep Learning Machine Learning Python Pytorch fastai | State-of-the-Art Deep Learning-Bibliothek für Zeitreihen und Sequenzen in Pytorch / fastai
extrahieren intern Daten aus den Anwendungsprotokollen für die Erfassung in einer Zeitreihendatenbank
Interaktive Visualisierungen von Zeitreihen mit JavaScript und dem HTML-Canvas-Tag
LinDB ist eine skalierbare, hochperformante, hochverfügbare verteilte Zeitreihendatenbank.
Eine professionell kuratierte Liste großartiger Ressourcen (Paper, Code, Daten usw.) zu Transformatoren in Zeitreihen.
GridDB ist eine Open-Source-Datenbank der nächsten Generation, die Time-Series-IoT und Big Data schnell und einfach macht.
Eine Cloud-native Open-Source-verteilte Zeitreihendatenbank mit hoher Leistung, hohem Kompressionsverhältnis und hoher Verfügbarkeit.
⭐️ Das Open-Source Polyglot Observability Warehouse: Leicht, Schnell, Cloud Native, Drop-in Grafana LGTMP Alternative :rocket: Indie All-in-One Opentelemetry, Loki, Prometheus, Tempo, Pyroscope On-Prem Alternative :star:
Generatoren synthetischer Daten für tabellarische und Zeitreihendaten
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.
Zeitreihendistanzen: Dynamische Zeitverformung (schnelle DTW-Implementierung in C)
Eine professionelle Liste zu großen (Sprach-)Modellen und Foundation Models (LLM, LM, FM) für Zeitreihen-, raumzeitliche und Ereignisdaten.
Implementierung des Transformer-Modells (ursprünglich aus Attention is All You Need) auf Zeitreihen angewendet.
Eine Sammlung von Anomalie-Erkennungsmethoden (iid/punktbasiert, Graph und Zeitreihen), einschließlich Active Learning für Anomalie-Erkennung/Entdeckung, bayessches Regel-Mining, Beschreibung für Diversität/Erklärung/Interpretierbarkeit. Analyse der Integration von Label-Feedback mit Ensemble- und baumbasierten Detektoren. Beinhaltet adversariale Angriffe mit Graph Convolutional Network.
Golang-Implementierung des Graphite/Carbon-Servers mit klassischer Architektur: Agent -> Cache -> Persister
Probabilistische hierarchische Vorhersage 👑 mit statistischen und ökonometrischen Methoden.
Hochwertige, nur Header-C++-Bibliothek für professionelles Audio-Resampling / Abtastratenkonvertierung. Sehr schnell, sowohl für Audio-Resampling als auch für Zeitreihen-Interpolation.
Beispiel für die Vorhersage mehrerer multivariater Zeitreihen mit LSTM-Rekurrenten neuronalen Netzwerken in Python mit Keras.
Ein einfacher und flexibler Code für Reservoir-Computing-Architekturen wie Echo-State-Netzwerke
Repository des Papers „A Systematic Evaluation of Deep Anomaly Detection Methods for Time Series“.
Echtzeit-Anomalieerkennung für Zeitreihenmetriken. 11 Jahre Evolution der Anomalieerkennung in der Produktion. Multi-Algorithmus-Ensembles. Mustererkennung mittels halbüberwachtem und unüberwachtem Lernen. Korrelationsanalyse. Lernt und verbessert sich im Laufe der Zeit. Keine GPU erforderlich, kann auf einem VPS ausgeführt werden.
Modeltime vereint Zeitreihenprognosemodelle und maschinelles Lernen in einem Framework
Ein freundliches Paket für die Analyse von Zeitreihen von Kepler & TESS in Python.
SiriDB ist eine hoch skalierbare, robuste und super schnelle Time-Series-Datenbank. Von Grund auf neu entwickelt, verwendet SiriDB einen einzigartigen Mechanismus, um ohne globalen Index zu arbeiten und ermöglicht das Hinzufügen von Server-Ressourcen on the fly. Die einzigartige Abfragesprache von SiriDB umfasst dynamische Gruppierung von Time-Series für eine einfache Analyse über große Mengen von Time-Series.
Häufig gestellte Fragen
Welches ist das beliebteste #timeseries-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#timeseries-Projekt auf GitHub ist leeoniya/uPlot mit 10,664 Sternen. 📈 Ein kleiner, schneller Chart für Zeitreihen, Linien, Flächen, OHLC & Balken
Welche Programmiersprachen werden in #timeseries-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #timeseries-Projekten auf GitHub sind Python, JavaScript, Go, Jupyter Notebook die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #timeseries-Repositories berechnet?
Wir verfolgen 50 aktive Open-Source-Repositories, die mit #timeseries getaggt sind (500+ Sterne), mit insgesamt 104,436 Sternen und durchschnittlich 2,088 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.