#time-series-forecasting 저장소
#time-series-forecasting 태그가 지정된 GitHub의 활성 오픈 소스 저장소 54개를 확인해 보세요. 총 179,543개의 스타를 획득했으며 프로젝트당 평균 3,324개입니다. 이 주제를 이끄는 저장소는 48,042개의 스타를 받은 shiyu-coder/Kronos입니다.
저장소 총 54개
TimesFM(Time Series Foundation Model)은 Google Research에서 개발한 시계열 예측을 위한 사전 훈련된 시계열 기반 모델입니다.
이 리포지토리에는 80개 이상의 회사에서 제공하는 300개 이상의 엄선된 사례 연구 모음이 포함되어 있으며, 머신러닝(ML) 시스템 설계에 대한 실용적인 적용 사례와 인사이트를 자세히 설명합니다. 콘텐츠는 산업 또는 특정 ML 사용 사례에 따라 관련 사례 연구를 쉽게 찾을 수 있도록 구성되어 있습니다.
이 노트북에서 주식 가격 움직임을 예측하는 완전한 프로세스를 만들겠습니다. 따라오세요. 꽤 좋은 결과를 얻을 수 있을 것입니다. 이를 위해 생성적 적대 신경망(GAN)을 LSTM(순환 신경망의 한 유형)으로 생성기를, 합성곱 신경망(CNN)을 판별기로 사용하겠습니다. 시계열 데이터를 예측하려고 하므로 LSTM을 사용하는 것은 당연합니다. 왜 GAN을 사용하고 특히 CNN을 판별기로 사용하는가? 그것은 좋은 q
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 🚀.
이 저장소에는 시계열 예측/예측(TSF) 및 시공간 예측/예측(STF)에 대한 논문 목록이 포함되어 있습니다. 이 논문들은 주로 모델 유형에 따라 분류됩니다.
시계열 트랜스포머에 대한 훌륭한 리소스(논문, 코드, 데이터 등)를 전문적으로 선별한 목록입니다.
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
AssetOpsBench - 인더스트리 4.0: 인더스트리 4.0 자산 운영 및 유지보수를 위한 도메인 특화 AI 에이전트를 구축, 오케스트레이션 및 평가하기 위한 통합 벤치마크 및 프레임워크. 460개 이상의 시나리오, 5개의 전문 에이전트(IoT, FMSR, TSFM, 작업 지시서 등), 그리고 MCP 기반의 멀티 에이전트 오케스트레이션 블루프린트(MetaAgent, AgentHive)를 포함합니다.
"iTransformer: Inverted Transformers Are Effective for Time Series Forecasting" (ICLR 2024 Spotlight)의 공식 구현
시계열 특징 추출 라이브러리(TSFEL): Python에서 시계열 분류, 회귀 및 신호 처리를 위한 60개 이상의 통계적·시간적·스펙트럼·프랙탈 특징
CS 최상위 컨퍼런스(NIPS, ICML, ICLR, KDD, AAAI, WWW, IJCAI, CIKM, ICDM, ICDE 등)의 시계열 작업 요약
[ICLR 2025 Spotlight] "Time-MoE: Billion-Scale Time Series Foundation Models with Mixture of Experts" 공식 구현
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
'트랜스포머가 시계열 예측에 대한 해답이 되지 못하는 이유를 보여주고 최고의 SOTA 비트랜스포머 모델을 선보이는 최고의 저장소.
TimeCopilot: 에이전틱 예측 프레임워크. LLM과 시계열 파운데이션 모델을 기반으로 구축되어, 단일 API를 통해 여러 파운데이션 모델을 사용한 예측, 교차 검증, 이상 탐지를 지원합니다. 금융과 에너지부터 웹 분석까지, TimeCopilot은 자연어 쿼리를 프로덕션에 바로 적용할 수 있는 예측으로 변환합니다.
"One Fits All: Power General Time Series Analysis by Pretrained LM (NeurIPS 2023 Spotlight)"의 공식 코드
Modern Time Series Forecasting with Python, Packt 출판
자주 묻는 질문
GitHub에서 가장 인기 있는 #time-series-forecasting 저장소는 무엇인가요?
GitHub에서 가장 높은 순위의 오픈 소스 #time-series-forecasting 프로젝트는 48,042개의 스타를 받은 shiyu-coder/Kronos입니다. Kronos: 금융 시장 언어를 위한 기초 모델
#time-series-forecasting 저장소에서 가장 많이 사용되는 프로그래밍 언어는 무엇인가요?
GitHub에서 순위가 가장 높은 #time-series-forecasting 프로젝트 중 가장 일반적으로 사용되는 프로그래밍 언어는 Python, Jupyter Notebook, JavaScript, Shell입니다.
#time-series-forecasting 저장소 순위는 어떻게 계산되나요?
#time-series-forecasting 태그가 지정된 활성 오픈 소스 저장소(54개, 스타 500개 이상)를 추적하고 있습니다. 총 스타 수는 179,543개이며 저장소당 평균 3,324개입니다. 순위는 GitHub API를 통해 매일 업데이트됩니다.