Git Stars Git Stars

#forecasting Dépôts

Découvrez 56 dépôts GitHub open source actifs associés à #forecasting, cumulant 186,967 étoiles au total (soit une moyenne de 3,338 étoiles par projet). Le projet en tête de ce thème est meta/prophet, avec 20,494 étoiles.

56
Total des Dépôts
186,967
Nombre total d'étoiles
3,338
Moyenne d'Étoiles/Dépôt
1
meta/prophet

Outil pour produire des prévisions de haute qualité pour les données de séries temporelles qui présentent une multiplicité de saisonnalités avec une croissance linéaire ou non linéaire.

meta
⭐ 20,494 Python 👤 meta Organization 🕐 Mis à jour 2026-11-11 📅 Créé 2016-11-16
2
NVIDIA/DeepLearningExamples

Scripts d'apprentissage profond de pointe organisés par modèles - faciles à entraîner et à déployer avec une précision et des performances reproductibles sur une infrastructure de niveau entreprise.

NVIDIA
⭐ 14,675 Jupyter Notebook 👤 NVIDIA Organization 🕐 Mis à jour 2024-08-12 📅 Créé 2018-05-02
3
statsmodels/statsmodels

Statsmodels : modélisation statistique et économétrie en Python

statsmodels
⭐ 11,759 Python 👤 statsmodels Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2011-06-12
4
autogluon/autogluon

ML rapide et précis en 3 lignes de code

autogluon
⭐ 10,843 Python 👤 autogluon Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2019-07-29
5
sktime/sktime

Un cadre unifié pour l'apprentissage automatique avec des séries temporelles

sktime
⭐ 10,100 Python 👤 sktime Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2018-11-06
6
unit8co/darts

Une bibliothèque Python pour des prévisions conviviales et la détection d'anomalies sur des séries temporelles.

unit8co
⭐ 9,594 Python 👤 unit8co Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2018-09-13
7
postgresml/postgresml

Postgres avec GPU pour les applications ML/IA.

postgresml
⭐ 6,807 Rust 👤 postgresml Organization 🕐 Mis à jour 2025-07-01 📅 Créé 2022-04-11
8
facebookresearch/Kats

Kats, un kit pour analyser des données de séries temporelles, un framework léger, facile à utiliser, généralisable et extensible pour effectuer des analyses de séries temporelles, de la compréhension des statistiques et caractéristiques clés, à la détection de points de changement et d'anomalies, en passant par la prévision des tendances futures.

facebookresearch
⭐ 6,516 Python 👤 facebookresearch Organization 🕐 Mis à jour 2026-11-13 📅 Créé 2021-02-25
9
zhouhaoyi/Informer2020

Le référentiel GitHub pour le papier "Informer" accepté par AAAI 2021.

zhouhaoyi
⭐ 6,510 Python 👤 zhouhaoyi User 🕐 Mis à jour 2025-06-20 📅 Créé 2020-12-07
10
amazon-science/chronos-forecasting

Chronos : Modèles pré-entraînés pour la prévision de séries chronologiques

amazon-science
⭐ 6,335 Python 👤 amazon-science Organization 🕐 Mis à jour 2026-10-05 📅 Créé 2024-02-23
11
timeseriesAI/tsai

Série temporelle Timeseries Deep Learning Machine Learning Python Pytorch fastai | Bibliothèque Deep Learning de pointe pour les séries temporelles et les séquences en Pytorch / fastai

timeseriesAI
⭐ 6,151 Jupyter Notebook 👤 timeseriesAI Organization 🕐 Mis à jour 2026-07-23 📅 Créé 2019-09-30
12
awslabs/gluonts

Modélisation probabiliste de séries temporelles en Python

awslabs
⭐ 5,263 Python 👤 awslabs Organization 🕐 Mis à jour 2026-10-13 📅 Créé 2019-05-15
13
sktime/pytorch-forecasting

Prévision de séries temporelles avec PyTorch

sktime
⭐ 5,011 Python 👤 sktime Organization 🕐 Mis à jour 2026-11-17 📅 Créé 2020-07-03
14
Nixtla/statsforecast

Prévisions ultra-rapides avec des modèles statistiques et économétriques.

Nixtla
⭐ 4,982 Python 👤 Nixtla Organization 🕐 Mis à jour 2026-11-19 📅 Créé 2021-11-24
15
salesforce/Merlion

Merlion : Un cadre d'apprentissage automatique pour l'intelligence des séries chronologiques

salesforce
⭐ 4,471 Python 👤 salesforce Organization 🕐 Mis à jour 2024-06-20 📅 Créé 2021-07-28
16
Nixtla/neuralforecast

Algorithmes de prévision neuronaux :brain: évolutifs et conviviaux.

Nixtla
⭐ 4,318 Python 👤 Nixtla Organization 🕐 Mis à jour 2026-11-18 📅 Créé 2021-04-26
17
ourownstory/neural_prophet

NeuralProphet : un package de prévision simple

ourownstory
⭐ 4,312 Python 👤 ourownstory User 🕐 Mis à jour 2026-11-19 📅 Créé 2020-05-04
18
Nixtla/nixtla

TimeGPT-2.1 : modèle fondamental préentraîné de séries temporelles, prêt pour la production, destiné aux prévisions et à la détection d’anomalies. Un transformeur génératif préentraîné pour les séries temporelles, entraîné sur plus de 100 milliards de points de données. Il est capable d’effectuer des prévisions précises dans divers domaines, tels que le commerce de détail, l’électricité, la finance et l’IoT, en seulement quelques lignes de code 🚀.

Nixtla
⭐ 4,050 Jupyter Notebook 👤 Nixtla Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2021-09-23
19
qingsongedu/time-series-transformers-review

Une liste soigneusement sélectionnée de ressources impressionnantes (articles, code, données, etc.) sur les transformeurs dans les séries temporelles.

qingsongedu
⭐ 2,935 👤 qingsongedu User 🕐 Mis à jour 2024-08-08 📅 Créé 2022-03-01
20
cure-lab/LTSF-Linear

[AAAI-23 Oral] Implémentation officielle du papier "Les Transformers sont-ils efficaces pour la prévision de séries temporelles ?"

cure-lab
⭐ 2,400 Python 👤 cure-lab Organization 🕐 Mis à jour 2024-01-27 📅 Créé 2022-05-26
21
AIStream-Peelout/flow-forecast

Bibliothèque PyTorch d'apprentissage profond pour la prévision de séries temporelles, la classification et la détection d'anomalies (initialement pour la prévision des inondations).

AIStream-Peelout
⭐ 2,308 Python 👤 AIStream-Peelout Organization 🕐 Mis à jour 2026-10-12 📅 Créé 2019-08-15
22
WenjieDu/PyPOTS

Une boîte à outils/bibliothèque Python pour l'apprentissage automatique/profonds centré sur la réalité et le data mining sur des séries temporelles partiellement observées, avec plus de 50 modèles de réseaux de neurones SOTA pour les tâches d'analyse scientifique (imputation, classification, clustering, prévision, détection d'anomalies, nettoyage) sur des TS multivariées industrielles incomplètes échantillonnées irrégulièrement avec des valeurs manquantes NaN

WenjieDu
⭐ 2,097 Python 👤 WenjieDu User 🕐 Mis à jour 2026-11-18 📅 Créé 2022-03-29
23
uber/orbit

Un package Python pour la prévision bayésienne avec une conception orientée objet et des modèles probabilistes sous-jacents.

uber
⭐ 2,082 Python 👤 uber Organization 🕐 Mis à jour 2026-05-22 📅 Créé 2020-01-07
24
alkaline-ml/pmdarima

Une bibliothèque statistique conçue pour combler le vide dans les capacités d'analyse de séries temporelles de Python, incluant l'équivalent de la fonction auto.arima de R.

alkaline-ml
⭐ 1,741 Python 👤 alkaline-ml Organization 🕐 Mis à jour 2026-10-19 📅 Créé 2017-03-30
25
bashtage/arch

Modèles ARCH en Python

bashtage
⭐ 1,691 Python 👤 bashtage User 🕐 Mis à jour 2026-11-20 📅 Créé 2014-08-29
26
SalesforceAIResearch/uni2ts

Entraînement unifié de transformeurs universels pour la prévision de séries temporelles

SalesforceAIResearch
⭐ 1,631 Jupyter Notebook 👤 SalesforceAIResearch Organization 🕐 Mis à jour 2026-06-02 📅 Créé 2024-02-07
27
time-series-foundation-models/lag-llama

Lag-Llama : Vers des modèles fondamentaux pour la prévision probabiliste de séries temporelles

time-series-foundation-models
⭐ 1,587 Python 👤 time-series-foundation-models Organization 🕐 Mis à jour 2025-06-06 📅 Créé 2024-02-07
28
qingsongedu/awesome-AI-for-time-series-papers

Une liste professionnelle d'articles, de tutoriels et d'enquêtes sur l'IA pour les séries temporelles dans les meilleures conférences et revues d'IA.

qingsongedu
⭐ 1,573 👤 qingsongedu User 🕐 Mis à jour 2024-04-06 📅 Créé 2022-06-03
29
skforecast/skforecast

Bibliothèque Python pour la prévision de séries temporelles utilisant des modèles compatibles avec scikit-learn, des méthodes statistiques et des modèles fondamentaux

skforecast
⭐ 1,551 Python 👤 skforecast Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2021-02-10
30
aeon-toolkit/aeon

Une boîte à outils pour l'apprentissage automatique et l'apprentissage profond des séries chronologiques

aeon-toolkit
⭐ 1,481 Python 👤 aeon-toolkit Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2022-12-20
31
winedarksea/AutoTS

Prévision automatisée des séries temporelles

winedarksea
⭐ 1,432 Python 👤 winedarksea User 🕐 Mis à jour 2026-11-19 📅 Créé 2019-11-26
32
arrobalytics/django-ledger

Django Ledger est un système de comptabilité en partie double et un moteur d'analyse financière construit sur le Django Web Framework.

arrobalytics
⭐ 1,400 Python 👤 arrobalytics Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2018-10-29
33
Nixtla/mlforecast

Apprentissage automatique 🤖 évolutif pour la prévision de séries temporelles.

Nixtla
⭐ 1,308 Python 👤 Nixtla Organization 🕐 Mis à jour 2026-11-19 📅 Créé 2021-04-26
34
functime-org/functime

Apprentissage automatique de séries temporelles à grande échelle. Construit avec Polars pour une extraction de caractéristiques et des prévisions sur des données de panel, facilement parallélisables.

functime-org
⭐ 1,194 Python 👤 functime-org Organization 🕐 Mis à jour 2026-05-03 📅 Créé 2023-06-05
35
robjhyndman/forecast

Fonctions de Prévision pour les Séries Temporelles et les Modèles Linéaires

robjhyndman
⭐ 1,185 R 👤 robjhyndman User 🕐 Mis à jour 2026-11-20 📅 Créé 2012-04-22
36
qingsongedu/Awesome-TimeSeries-SpatioTemporal-LM-LLM

Une liste professionnelle sur les grands modèles (de langage) et les modèles fondamentaux (LLM, LM, FM) pour les données de séries temporelles, spatio-temporelles et événementielles.

qingsongedu
⭐ 1,184 👤 qingsongedu User 🕐 Mis à jour 2024-12-22 📅 Créé 2023-06-10
37
nilmtk/nilmtk

Non-Intrusive Load Monitoring Toolkit (nilmtk)

nilmtk
⭐ 964 Python 👤 nilmtk Organization 🕐 Mis à jour 2026-07-20 📅 Créé 2013-12-03
38
LongxingTan/Time-series-prediction

tfts: Modèles d'apprentissage profond pour séries temporelles en TensorFlow

LongxingTan
⭐ 892 Python 👤 LongxingTan User 🕐 Mis à jour 2026-11-01 📅 Créé 2018-05-03
39
moment-timeseries-foundation-model/moment

MOMENT : Une famille de modèles fondamentaux ouverts pour séries temporelles, ICML'24

moment-timeseries-foundation-model
⭐ 878 TypeScript 👤 moment-timeseries-foundation-model Organization 🕐 Mis à jour 2026-02-10 📅 Créé 2024-05-10
40
HeXPixCat/polymarket-copy-trading-bot

Polymarket || Polymarket Bot || Polymarket Copy Bot || Polymarket Copy Trading Bot

HeXPixCat
⭐ 843 TypeScript 👤 HeXPixCat User 🕐 Mis à jour 2026-02-02 📅 Créé 2022-09-03
41
DaoSword/Time-Series-Forecasting-and-Deep-Learning

Ressources sur la prévision des séries chronologiques et le deep learning.

DaoSword
⭐ 813 Python 👤 DaoSword User 🕐 Mis à jour 2026-10-19 📅 Créé 2022-07-25
42
zillow/luminaire

Luminaire est un package Python qui fournit des solutions pilotées par ML pour la surveillance des données de séries chronologiques.

zillow
⭐ 810 Python 👤 zillow Organization 🕐 Mis à jour 2026-06-02 📅 Créé 2020-07-08
43
zhihanyue/ts2vec

Un framework universel d'apprentissage de la représentation des séries chronologiques

zhihanyue
⭐ 797 Python 👤 zhihanyue User 🕐 Mis à jour 2024-07-29 📅 Créé 2021-06-04
44
Nixtla/hierarchicalforecast

Prévision hiérarchique probabiliste 👑 avec des méthodes statistiques et économétriques.

Nixtla
⭐ 770 Python 👤 Nixtla Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2022-06-21
45
kennethleungty/Failed-ML

Compilation d'exemples concrets de haut niveau de projets d'apprentissage automatique ayant échoué

kennethleungty
⭐ 743 👤 kennethleungty User 🕐 Mis à jour 2024-06-14 📅 Créé 2022-08-15
46
JulesBelveze/time-series-autoencoder

PyTorch Dual-Attention LSTM-Autoencodeur pour séries temporelles multivariées

JulesBelveze
⭐ 715 Python 👤 JulesBelveze User 🕐 Mis à jour 2025-11-11 📅 Créé 2020-06-05
47
business-science/timetk

Analyse de séries temporelles dans `tidyverse`

business-science
⭐ 644 R 👤 business-science Organization 🕐 Mis à jour 2025-08-29 📅 Créé 2017-04-09
48
TimeCopilot/timecopilot

TimeCopilot : le framework de prévision agentique. Basé sur des LLM et des modèles de fondation pour séries temporelles, il permet de réaliser des prévisions, des validations croisées et de détecter des anomalies à l’aide de plusieurs modèles de fondation via une API unique. De la finance à l’énergie, en passant par l’analyse web, TimeCopilot transforme les requêtes en langage naturel en prévisions prêtes pour la production.

TimeCopilot
⭐ 643 Python 👤 TimeCopilot Organization 🕐 Mis à jour 2026-11-18 📅 Créé 2025-06-18
49
mims-harvard/UniTS

Un modèle unifié multi-tâches pour séries temporelles.

mims-harvard
⭐ 601 Python 👤 mims-harvard Organization 🕐 Mis à jour 2024-09-26 📅 Créé 2024-02-16
50
tidyverts/fable

Prévision de séries temporelles ordonnée

tidyverts
⭐ 593 R 👤 tidyverts Organization 🕐 Mis à jour 2026-09-15 📅 Créé 2018-02-21

Foire aux questions

1

Quel est le dépôt #forecasting le plus populaire sur GitHub ?

Le projet #forecasting open source le mieux classé sur GitHub est meta/prophet, avec 20,494 étoiles. Outil pour produire des prévisions de haute qualité pour les données de séries temporelles qui présentent une multiplicité de saisonnalités avec une croissance linéaire ou non linéaire.

2

Quels langages de programmation sont les plus utilisés dans les dépôts #forecasting ?

Parmi les projets #forecasting les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, R, TypeScript.

3

Comment le classement des dépôts #forecasting est-il calculé ?

Nous suivons 56 dépôts open source actifs associés à #forecasting (500+ étoiles), totalisant 186,967 étoiles, avec une moyenne de 3,338 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.