#time-series-forecasting リポジトリ
#time-series-forecastingのタグが付いた、GitHub上の54件のアクティブなオープンソースリポジトリをご覧ください。合計スター数は179,543個で、プロジェクトあたりの平均は3,324個です。このトピックをリードしているのは、48,042個のスターを獲得しているshiyu-coder/Kronosです。
リポジトリ合計54件
TimesFM(Time Series Foundation Model)は、Google Researchが開発した時系列予測のための事前学習済み時系列基礎モデルです。
このリポジトリには、80社以上の300以上のケーススタディの厳選されたコレクションが含まれており、機械学習(ML)システム設計の実用的な応用と洞察を詳しく説明しています。コンテンツは、業界または特定のMLユースケースに基づいて関連するケーススタディを簡単に見つけられるように整理されています。
このノートブックでは、株価の変動を予測するための完全なプロセスを作成します。ついてきてください。そうすれば、かなり良い結果が得られるでしょう。そのために、生成的敵対ネットワーク(GAN)を使用します。LSTM(リカレントニューラルネットワークの一種)を生成器として、畳み込みニューラルネットワーク(CNN)を識別器として使用します。時系列データを予測しようとしているため、LSTMを使用するのは当然です。なぜGANを使用し、特にCNNを識別器として使用するのか?それは良い q
TimeGPT-2.1:予測と異常検知に対応した、本番環境対応の事前学習済み時系列基盤モデル。1,000億を超えるデータポイントで学習した、時系列向けの生成系事前学習済みトランスフォーマーです。わずか数行のコードで、小売、電力、金融、IoTなどさまざまな分野を正確に予測できます 🚀。
このリポジトリには、時系列予測/予測 (TSF) および時空間予測/予測 (STF) に関する論文の読書リストが含まれています。これらの論文は主にモデルのタイプ別に分類されています。
時系列におけるトランスフォーマーに関する素晴らしいリソース(論文、コード、データなど)の専門的にキュレーションされたリスト。
PyTorch を使用した Machine Learning & Deep Learning で実世界の問題を解決する Jupyter Notebook チュートリアル。トピック:Detectron 2 を使用した顔検出、LSTM Autoencoders を使用した時系列異常検出、YOLO v5 を使用した物体検出、最初の Neural Network の構築、Coronavirus 日次ケースの時系列予測、BER を使用した感情分析
AssetOpsBench - インダストリー4.0:インダストリー4.0の資産運用および保守のためのドメイン特化型AIエージェントを構築、オーケストレーション、評価するための統合ベンチマークおよびフレームワーク。460以上のシナリオ、5つの専門エージェント(IoT、FMSR、TSFM、作業指示書など)、およびMCP上のマルチエージェント・オーケストレーション・ブループリント(MetaAgent、AgentHive)を備えています。
「iTransformer: Inverted Transformers Are Effective for Time Series Forecasting」(ICLR 2024 Spotlight)の公式実装
時系列特徴量抽出ライブラリ(TSFEL):Pythonでの時系列分類・回帰および信号処理向けの、60種類以上の統計的・時間的・スペクトル的・フラクタル特徴量
CSトップカンファレンス(NIPS、ICML、ICLR、KDD、AAAI、WWW、IJCAI、CIKM、ICDM、ICDEなど)における時系列作業の概要
「ICLR 2025 Spotlight」 "Time-MoE: Billion-Scale Time Series Foundation Models with Mixture of Experts" の公式実装
時系列および時空間データ向けの最新の拡散モデルに関する調査と論文リスト(論文、応用、レビュー、調査など)とも素晴らしいリソース。
「TimesNet: Temporal 2D-Variation Modeling for General Time Series Analysis」(ICLR 2023)のコードリリースについて、https://openreview.net/pdf?id=ju_Uqw384Oq
Transformerが時系列予測の答えにならない理由を示し、最高のSOTA非Transformerモデルを紹介する最高のレポジトリ。
TimeCopilot:エージェント型予測フレームワーク。LLMと時系列基盤モデルを基盤とし、単一のAPIを通じて複数の基盤モデルを利用した予測、交差検証、異常検知を実現します。金融やエネルギーからウェブ分析まで、自然言語のクエリを本番環境ですぐに使える予測に変換します。
「One Fits All: Power General Time Series Analysis by Pretrained LM (NeurIPS 2023 Spotlight)」の公式コード
Modern Time Series Forecasting with Python, Packt社発行
よくある質問
GitHubで最も人気のある#time-series-forecastingリポジトリは何ですか?
GitHubで最も上位にランクインしているオープンソースの#time-series-forecastingプロジェクトは、48,042個のスターを獲得しているshiyu-coder/Kronosです。Kronos:金融市場言語のための基盤モデル
#time-series-forecastingリポジトリで最もよく使われているプログラミング言語は何ですか?
GitHubで上位にランクインしている#time-series-forecastingプロジェクトでは、Python, Jupyter Notebook, JavaScript, Shellが最も一般的なプログラミング言語です。
#time-series-forecastingリポジトリのランキングはどのように算出されていますか?
#time-series-forecastingのタグが付いた54件のアクティブなオープンソースリポジトリ(スター500個以上)を追跡しています。合計スター数は179,543個で、リポジトリあたりの平均は3,324個です。ランキングはGitHub APIからのデータに基づいて毎日更新されます。