#timeseries Repositorios
Descubre 50 repositorios activos de código abierto de GitHub etiquetados con #timeseries, que acumulan 104,436 estrellas en total (una media de 2,088 estrellas por proyecto). El líder de este tema es leeoniya/uPlot, con 10,664 estrellas.
50 repositorios en total
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
extraer datos de monitoreo internos de los registros de la aplicación para su recopilación en una base de datos de series temporales
Visualizaciones interactivas de series temporales usando JavaScript y la etiqueta canvas de HTML
El kit de herramientas de aprendizaje automático para el análisis de series temporales en Python
LinDB es una base de datos distribuida de series temporales escalable, de alto rendimiento y alta disponibilidad.
Una lista seleccionada profesionalmente de excelentes recursos (documentos, código, datos, etc.) sobre transformadores en series temporales.
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.
Una base de datos de series temporales distribuida de código abierto nativa de la nube con alto rendimiento, alta relación de compresión y alta disponibilidad.
⭐️ El Almacén de Observabilidad Políglota de Código Abierto: Ligero, Rápido, Nativo de la Nube, Alternativa Drop-in para Grafana LGTMP :rocket: Alternativa Indie Todo en Uno para Opentelemetry, Loki, Prometheus, Tempo, Pyroscope On-Prem :star:
Generadores de datos sintéticos para datos tabulares y series temporales
Lag-Llama: Hacia modelos fundacionales para la predicción probabilística de series temporales
Una lista profesional de artículos, tutoriales y encuestas sobre IA para series temporales en las principales conferencias y revistas de IA.
Distancias de series temporales: Dynamic Time Warping (implementación rápida de DTW en C)
Una lista profesional sobre Modelos Grandes (de Lenguaje) y Modelos Fundacionales (LLM, LM, FM) para Datos de Series Temporales, Espacio-Temporales y de Eventos.
Implementación del modelo Transformer (originalmente de Attention is All You Need) aplicado a Series Temporales.
tfts: Modelos de Deep Learning para series temporales en TensorFlow
Una colección de métodos de detección de anomalías (iid/basados en puntos, grafo y series temporales) que incluye aprendizaje activo para detección/descubrimiento de anomalías, minería de reglas bayesianas, descripción para diversidad/explicación/interpretabilidad. Análisis de la incorporación de retroalimentación de etiquetas con detectores basados en ensemble y árboles. Incluye ataques adversarios con Graph Convolutional Network.
Implementación en Golang del servidor Graphite/Carbon con arquitectura clásica: Agente -> Caché -> Persister
Módulo Chart.js para la elaboración de gráficos de valores financieros
Pronóstico jerárquico probabilístico 👑 con métodos estadísticos y econométricos.
Biblioteca C++ de solo encabezado para remuestreo / conversión de frecuencia de muestreo de audio profesional de alta calidad. Muy rápida, tanto para el remuestreo de audio como para la interpolación de series temporales.
Ejemplo de predicción de múltiples series temporales multivariadas con redes neuronales recurrentes LSTM en Python con Keras.
Un código simple y flexible para arquitecturas de Computación en Reservorio como Redes de Estado Eco
Repositorio del artículo «A Systematic Evaluation of Deep Anomaly Detection Methods for Time Series».
Detección de anomalías en tiempo real para métricas de series temporales. 11 años de evolución en detección de anomalías en producción. Conjuntos de múltiples algoritmos. Reconocimiento de patrones mediante aprendizaje semisupervisado y no supervisado. Análisis de correlación. Aprende y mejora con el tiempo. No requiere GPU, puede ejecutarse en un VPS.
Modeltime desbloquea modelos de pronóstico de series temporales y aprendizaje automático en un solo framework
Un paquete amigable para el análisis de series temporales de Kepler y TESS en Python.
SiriDB es una base de datos de series temporales altamente escalable, robusta y súper rápida. Construida desde cero, SiriDB utiliza un mecanismo único para operar sin un índice global y permite agregar recursos del servidor sobre la marcha. El lenguaje de consulta único de SiriDB incluye agrupación dinámica de series temporales para un análisis fácil sobre grandes cantidades de series temporales.
Preguntas frecuentes
¿Cuál es el repositorio de #timeseries más popular en GitHub?
El proyecto de código abierto de #timeseries mejor posicionado en GitHub es leeoniya/uPlot, con 10,664 estrellas. 📈 Un gráfico pequeño y rápido para series temporales, líneas, áreas, OHLC y barras
¿Qué lenguajes de programación se utilizan más en los repositorios de #timeseries?
Entre los proyectos de #timeseries mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, JavaScript, Go, Jupyter Notebook.
¿Cómo se calcula la clasificación de los repositorios de #timeseries?
Seguimos 50 repositorios activos de código abierto etiquetados con #timeseries (500+ estrellas), que suman un total de 104,436 estrellas, con una media de 2,088 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.