#anomaly-detection 저장소
#anomaly-detection 태그가 지정된 GitHub의 활성 오픈 소스 저장소 76개를 확인해 보세요. 총 256,252개의 스타를 획득했으며 프로젝트당 평균 3,371개입니다. 이 주제를 이끄는 저장소는 81,572개의 스타를 받은 netdata/netdata입니다.
저장소 총 76개
풀스택 옵저버빌리티 · 메트릭 · 로그 · 트레이스 · 플로우 · 토폴로지 · 인프라 · APM · NPM · DBM · RUM · 신서틱 모니터링 · 클라우드 · AI SRE · OpenTelemetry · SNMP · NetFlow/IPFIX/sFlow · IPMI · Redfish · 2,000개 이상의 통합 기능
Cleanlab의 오픈 소스 라이브러리는 지저분하고 실제 세계의 데이터와 레이블을 가진 데이터 품질 및 머신러닝을 위한 표준 데이터 중심 AI 패키지입니다.
정형 데이터, 시계열, 그래프, 텍스트, 이미지 및 오디오 데이터 전반에 걸친 이상 탐지를 위한 Python 라이브러리입니다. 60개 이상의 탐지기, 벤치마크 기반의 ADEngine 오케스트레이션, 그리고 AI 에이전트를 위한 에이전트 워크플로우를 제공합니다.
이상 탐지 관련 서적, 논문, 비디오 및 툴박스. LLM 및 VLM 작업에 대한 마지막 업데이트는 2025년 말입니다!
Kats, 시계열 데이터를 분석하는 도구로, 핵심 통계 및 특성 이해, 변화점 및 이상 탐지, 미래 추세 예측까지 시계열 분석을 수행하기 위한 가볍고 사용하기 쉬우며 일반화 가능하고 확장 가능한 프레임워크입니다.
TimeGPT-2.1: 예측 및 이상 탐지를 위한 프로덕션 준비 완료 사전 학습 시계열 파운데이션 모델입니다. 1,000억 개가 넘는 데이터 포인트로 학습된 시계열용 생성형 사전 학습 트랜스포머입니다. 몇 줄의 코드만으로 소매, 전력, 금융, IoT 등 다양한 분야를 정확하게 예측할 수 있습니다 🚀.
산업 이미지 이상/결함 탐지를 위한 논문 목록 및 데이터셋 (업데이트 중). 산업 이상/결함 탐지 논문 및 데이터셋 검색 라이브러리 (지속 업데이트).
PyTorch를 사용한 머신러닝 및 딥러닝으로 실생활 문제를 해결하는 Jupyter Notebook 튜토리얼. 주제: Detectron 2를 사용한 얼굴 감지, LSTM Autoencoders를 사용한 시계열 이상 감지, YOLO v5를 사용한 객체 감지, 첫 번째 Neural Network 구축, Coronavirus 일일 사례를 위한 시계열 예측, BER를 사용한 감정 분석
부분적으로 관측된 시계열 데이터에 대한 현실 중심의 기계/딥러닝 및 데이터 마이닝을 위한 Python 툴킷/라이브러리. NaN 결측값이 포함된 불완전한 산업용 불규칙 샘플링 다변량 TS에 대한 과학적 분석 작업(대체, 분류, 클러스터링, 예측, 이상 탐지, 정제)에 50개 이상의 SOTA 신경망 모델
다변량 시계열 데이터에서 이상을 탐지하기 위해 LSTM을 사용하는 프레임워크. Mars Science Laboratory와 SMAP 임무의 우주선 이상 데이터와 실험을 포함합니다.
CS 최상위 컨퍼런스(NIPS, ICML, ICLR, KDD, AAAI, WWW, IJCAI, CIKM, ICDM, ICDE 등)의 시계열 작업 요약
분포 외 탐지, 견고성 및 일반화 리소스. 이 리포지토리에는 논문, 튜토리얼, 서적, 비디오, 기사 및 오픈 소스 라이브러리 등의 큐레이션된 목록이 포함되어 있습니다.
시간 계열 및 시공간 데이터를 위한 최신 확산 모델에 대한 훌륭한 리소스(논문, 응용, 검토, 조사 등) 설문 조사 및 논문 목록입니다.
"TimesNet: Temporal 2D-Variation Modeling for General Time Series Analysis" (ICLR 2023) 코드 릴리스에 관하여, https://openreview.net/pdf?id=ju_Uqw384Oq
이상 탐지 방법들의 집합 (iid/포인트 기반, 그래프 및 시계열)으로, 이상 탐지/발견을 위한 능동 학습, 베이지안 규칙 마이닝, 다양성/설명/해석성을 위한 설명을 포함합니다. 앙상블 및 트리 기반 탐지기에 라벨 피드백을 통합하는 분석. 그래프 컨볼루션 네트워크를 사용한 적대적 공격을 포함합니다.
자주 묻는 질문
GitHub에서 가장 인기 있는 #anomaly-detection 저장소는 무엇인가요?
GitHub에서 가장 높은 순위의 오픈 소스 #anomaly-detection 프로젝트는 81,572개의 스타를 받은 netdata/netdata입니다. 풀스택 옵저버빌리티 · 메트릭 · 로그 · 트레이스 · 플로우 · 토폴로지 · 인프라 · APM · NPM · DBM · RUM · 신서틱 모니터링 · 클라우드 · AI SRE · OpenTelemetry · SNMP · NetFlow/IPFIX/sFlow · IPMI · Redfish · 2,000개 이상의 통합 기능
#anomaly-detection 저장소에서 가장 많이 사용되는 프로그래밍 언어는 무엇인가요?
GitHub에서 순위가 가장 높은 #anomaly-detection 프로젝트 중 가장 일반적으로 사용되는 프로그래밍 언어는 Python, Jupyter Notebook, PHP, Go입니다.
#anomaly-detection 저장소 순위는 어떻게 계산되나요?
#anomaly-detection 태그가 지정된 활성 오픈 소스 저장소(76개, 스타 500개 이상)를 추적하고 있습니다. 총 스타 수는 256,252개이며 저장소당 평균 3,371개입니다. 순위는 GitHub API를 통해 매일 업데이트됩니다.