#time-series Repositorios
Descubre 143 repositorios activos de código abierto de GitHub etiquetados con #time-series, que acumulan 584,542 estrellas en total (una media de 4,087 estrellas por proyecto). El líder de este tema es redis/redis, con 77,583 estrellas.
143 repositorios en total
Para los desarrolladores que están construyendo aplicaciones impulsadas por datos en tiempo real, Redis es el caché preferido, más rápido y con mayor riqueza de funciones, servidor de estructuras de datos, y motor de consulta de documentos y vectores.
Base de datos de series temporales de alto rendimiento y escalable, diseñada para escenarios de IoT industrial (IIoT)
Una base de datos de series temporales para análisis en tiempo real de alto rendimiento empaquetada como una extensión de Postgres
Agente para recopilar, procesar, agregar y escribir métricas, registros y otros datos arbitrarios.
QuestDB es una base de datos de series temporales de código abierto y alto rendimiento
Sistema de alertas de código abierto y autohospedado para métricas, registros y bases de datos. Incluye un agente de IA y un servidor MCP integrados.
Una biblioteca para modelos avanzados de series temporales profundas para el análisis general de series temporales.
📈 Un gráfico pequeño y rápido para series temporales, líneas, áreas, OHLC y barras
Una biblioteca de Python para la detección de anomalías en datos tabulares, series temporales, grafos, texto, imágenes y audio. Incluye más de 60 detectores, orquestación ADEngine respaldada por benchmarks y un flujo de trabajo agente para agentes de IA.
El motor de investigación que te da una ventaja injusta. Prueba miles de ideas de trading antes de que los demás terminen una.
Una biblioteca de Python para pronósticos y detección de anomalías amigables para el usuario en series temporales.
El repositorio de GitHub para el artículo "Informer" aceptado por AAAI 2021.
Chronos: Modelos preentrenados para la previsión de series temporales
Series temporales Timeseries Deep Learning Machine Learning Python Pytorch fastai | Biblioteca de Deep Learning de vanguardia para Series Temporales y Secuencias en Pytorch / fastai
Merlion: Un marco de aprendizaje automático para la inteligencia de series temporales
CrateDB es una base de datos SQL distribuida y escalable para almacenar y analizar grandes cantidades de datos en casi tiempo real, incluso con consultas complejas. Es compatible con PostgreSQL y está basada en Lucene.
Colección de temas útiles de ciencia de datos junto con artículos, videos y código
TimeGPT-2.1: modelo fundacional de series temporales preentrenado y listo para producción para la predicción y la detección de anomalías. Un transformador generativo preentrenado para series temporales, entrenado con más de 100.000 millones de puntos de datos. Es capaz de realizar predicciones precisas en diversos ámbitos, como el comercio minorista, la electricidad, las finanzas y el IoT, con solo unas pocas líneas de código 🚀.
Este repositorio contiene una lista de lectura de artículos sobre Pronóstico/Predicción de Series Temporales (TSF) y Pronóstico/Predicción Espacio-Temporal (STF). Estos artículos se clasifican principalmente según el tipo de modelo.
El kit de herramientas de aprendizaje automático para el análisis de series temporales en Python
Lista de herramientas y conjuntos de datos para la detección de anomalías en datos de series temporales.
Una lista seleccionada profesionalmente de excelentes recursos (documentos, código, datos, etc.) sobre transformadores en series temporales.
Lista de artículos, código y experimentos que utilizan aprendizaje profundo para pronósticos de series temporales
[ICLR 2024] Implementación oficial de " 🦙 Time-LLM: Predicción de series temporales mediante la reprogramación de grandes modelos de lenguaje"
Tutoriales de Jupyter Notebook para resolver problemas del mundo real con Machine Learning & Deep Learning usando PyTorch. Temas: Detección de rostros con Detectron 2, Detección de anomalías en series temporales con LSTM Autoencoders, Detección de objetos con YOLO v5, Construye tu primera Neural Network, Pronóstico de series temporales para casos diarios de Coronavirus, Análisis de sentimientos con BER
GridDB es una base de datos de código abierto de próxima generación que hace que las series temporales IoT y los big data sean rápidos y fáciles.
Acerca de la versión del código de "Autoformer: Decomposition Transformers with Auto-Correlation for Long-Term Series Forecasting" (NeurIPS 2021), https://arxiv.org/abs/2106.13008
[AAAI-23 Oral] Implementación oficial del artículo "¿Son efectivos los Transformers para la predicción de series temporales?"
Marco de código abierto para el procesamiento, monitoreo y alertas en datos de series temporales
Biblioteca de PyTorch de aprendizaje profundo para pronóstico de series temporales, clasificación y detección de anomalías (originalmente para pronóstico de inundaciones).
Una biblioteca/herramienta de Python para aprendizaje automático/profundo y minería de datos centrado en la realidad en series temporales parcialmente observadas, con más de 50 modelos de redes neuronales SOTA para tareas de análisis científico (imputación, clasificación, agrupación, pronóstico, detección de anomalías, limpieza) en TS multivariadas industriales incompletas muestreadas irregularmente con valores faltantes NaN
Un paquete de Python para pronósticos bayesianos con diseño orientado a objetos y modelos probabilísticos subyacentes.
Crane es una plataforma FinOps para el análisis y la economía de recursos en la nube en clústeres de Kubernetes. El objetivo no es solo ayudar a los usuarios a administrar los costos de la nube más fácilmente, sino también garantizar la calidad de las aplicaciones.
Preguntas frecuentes
¿Cuál es el repositorio de #time-series más popular en GitHub?
El proyecto de código abierto de #time-series mejor posicionado en GitHub es redis/redis, con 77,583 estrellas. Para los desarrolladores que están construyendo aplicaciones impulsadas por datos en tiempo real, Redis es el caché preferido, más rápido y con mayor riqueza de funciones, servidor de estructuras de datos, y motor de consulta de documentos y vectores.
¿Qué lenguajes de programación se utilizan más en los repositorios de #time-series?
Entre los proyectos de #time-series mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, Go, C.
¿Cómo se calcula la clasificación de los repositorios de #time-series?
Seguimos 143 repositorios activos de código abierto etiquetados con #time-series (500+ estrellas), que suman un total de 584,542 estrellas, con una media de 4,087 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.