#time-series Repository
Scopri 143 repository GitHub open source attivi contrassegnati con #time-series, che raccolgono un totale di 584,542 stelle (con una media di 4,087 stelle per progetto). Il progetto leader di questo argomento è redis/redis, con 77,583 stelle.
143 repository in totale
Per gli sviluppatori che stanno costruendo applicazioni basate su dati in tempo reale, Redis è la cache preferita, più veloce e con le funzionalità più ricche, server di strutture dati, e motore di query per documenti e vettori.
Database per serie temporali ad alte prestazioni e scalabile, progettato per scenari Industrial IoT (IIoT)
Un database di serie temporali per analisi in tempo reale ad alte prestazioni confezionato come estensione Postgres
Agente per la raccolta, elaborazione, aggregazione e scrittura di metriche, log e altri dati arbitrari.
Sistema di avvisi open source e self-hosted per metriche, log e database. Include un agente IA e un server MCP integrati.
Una libreria per modelli avanzati di Deep Time Series per l'analisi generale delle serie temporali.
Una libreria Python per il rilevamento di anomalie su dati tabulari, serie temporali, grafi, testo, immagini e audio. Include oltre 60 rilevatori, un'orchestrazione ADEngine basata su benchmark e un flusso di lavoro agentico per agenti IA.
Il motore di ricerca che ti dà un vantaggio sleale. Prova migliaia di idee di trading prima che gli altri ne finiscano una.
Una libreria Python per previsioni user-friendly e rilevamento anomalie su serie temporali.
Chronos: Modelli pre-addestrati per la previsione di serie temporali
Serie temporali Timeseries Deep Learning Machine Learning Python Pytorch fastai | Libreria Deep Learning all'avanguardia per Serie Temporali e Sequenze in Pytorch / fastai
Merlion: Un framework di machine learning per l'intelligenza delle serie temporali
CrateDB è un database SQL distribuito e scalabile per lo stoccaggio e l'analisi di grandi quantità di dati in quasi tempo reale, anche con query complesse. È compatibile con PostgreSQL e basato su Lucene.
Raccolta di utili argomenti di data science insieme ad articoli, video e codice
TimeGPT-2.1: modello fondazionale preaddestrato per serie temporali, pronto per la produzione, per le previsioni e il rilevamento delle anomalie. Un transformer generativo preaddestrato per serie temporali, addestrato su oltre 100 miliardi di punti dati. È in grado di effettuare previsioni accurate in vari ambiti, come vendita al dettaglio, elettricità, finanza e IoT, con solo poche righe di codice 🚀.
Questo repository contiene un elenco di letture di articoli su Time Series Forecasting/Prediction (TSF) e Spatio-Temporal Forecasting/Prediction (STF). Questi articoli sono principalmente categorizzati in base al tipo di modello.
Il toolkit di machine learning per l'analisi delle serie temporali in Python
Elenco di strumenti e dataset per il rilevamento di anomalie nei dati di serie temporali.
Un elenco curato professionalmente di fantastiche risorse (paper, codice, dati, ecc.) sui trasformatori nelle serie temporali.
Elenco di articoli, codice e esperimenti che utilizzano deep learning per la previsione di serie temporali
[ICLR 2024] Implementazione ufficiale di " 🦙 Time-LLM: Previsione di serie temporali mediante riprogrammazione di modelli linguistici di grandi dimensioni"
Tutorial Jupyter Notebook per risolvere problemi del mondo reale con Machine Learning & Deep Learning usando PyTorch. Argomenti: Rilevamento facciale con Detectron 2, Rilevamento anomalie nelle serie temporali con LSTM Autoencoders, Rilevamento oggetti con YOLO v5, Costruisci la tua prima Neural Network, Previsione serie temporali per i casi giornalieri di Coronavirus, Analisi del sentimento con BER
GridDB è un database open source di nuova generazione che rende i time series IoT e i big data veloci e facili.
Informazioni sul rilascio del codice per "Autoformer: Decomposition Transformers with Auto-Correlation for Long-Term Series Forecasting" (NeurIPS 2021), https://arxiv.org/abs/2106.13008
[AAAI-23 Orale] Implementazione ufficiale del paper "Sono efficaci i Transformer per la previsione delle serie temporali?"
Framework open source per l'elaborazione, il monitoraggio e l'allertamento sui dati di serie temporali
Libreria PyTorch di deep learning per previsione di serie temporali, classificazione e rilevamento di anomalie (originariamente per previsione di alluvioni).
Un toolkit/biblioteca Python per machine/deep learning e data mining centrato sulla realtà su serie temporali parzialmente osservate, con oltre 50 modelli di reti neurali SOTA per compiti di analisi scientifica (imputazione, classificazione, clustering, previsione, rilevamento anomalie, pulizia) su TS multivariate industriali incomplete campionate irregolarmente con valori mancanti NaN
Un pacchetto Python per la previsione bayesiana con design orientato agli oggetti e modelli probabilistici sottostanti.
Crane è una piattaforma FinOps per l'analisi e l'economia delle risorse cloud nei cluster Kubernetes. L'obiettivo non è solo aiutare gli utenti a gestire i costi del cloud più facilmente, ma anche garantire la qualità delle applicazioni.
Domande frequenti
Qual è il repository #time-series più popolare su GitHub?
Il progetto open source #time-series più alto in classifica su GitHub è redis/redis, con 77,583 stelle. Per gli sviluppatori che stanno costruendo applicazioni basate su dati in tempo reale, Redis è la cache preferita, più veloce e con le funzionalità più ricche, server di strutture dati, e motore di query per documenti e vettori.
Quali linguaggi di programmazione sono più utilizzati nei repository #time-series?
Tra i progetti #time-series più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, Go, C.
Come viene calcolata la classifica dei repository #time-series?
Monitoriamo 143 repository open source attivi contrassegnati con #time-series (500+ stelle), per un totale di 584,542 stelle e una media di 4,087 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.