#timeseries Repositórios
Descubra 50 repositórios ativos de código aberto no GitHub marcados com #timeseries, acumulando um total de 104,436 estrelas (uma média de 2,088 por projeto). O líder deste tópico é leeoniya/uPlot, com 10,664 estrelas.
50 repositórios no total
Chronos: Modelos Pré-treinados para Previsão de Séries Temporais
Séries Temporais Timeseries Deep Learning Machine Learning Python Pytorch fastai | Biblioteca de Deep Learning de ponta para Séries Temporais e Sequências em Pytorch / fastai
extrair dados de monitoramento interno dos logs da aplicação para coleta em um banco de dados de séries temporais
Visualizações interativas de séries temporais usando JavaScript e a tag canvas do HTML
O kit de ferramentas de aprendizado de máquina para análise de séries temporais em Python
LinDB é um banco de dados de séries temporais distribuído, escalável, de alto desempenho e alta disponibilidade.
Uma lista com curadoria profissional de recursos incríveis (artigos, códigos, dados, etc.) sobre transformers em séries temporais.
GridDB é um banco de dados de código aberto de próxima geração que torna a série temporal de IoT e big data rápida e fácil.
Um banco de dados de série temporal distribuído, de código aberto e nativo da nuvem, com alta performance, alta taxa de compressão e alta disponibilidade.
⭐️ O Armazém de Observabilidade Poliglota de Código Aberto: Alternativa Leve, Rápida, Cloud Native, Drop-in ao Grafana LGTMP :rocket: Alternativa Indie Tudo-em-Um para Opentelemetry, Loki, Prometheus, Tempo, Pyroscope On-Prem :star:
Geradores de dados sintéticos para dados tabulares e de séries temporais
Lag-Llama: Em direção a modelos de fundação para previsão probabilística de séries temporais
Uma lista profissional de Artigos, Tutoriais e Revisões sobre IA para Séries Temporais nas principais conferências e periódicos de IA.
Distâncias de séries temporais: Dynamic Time Warping (implementação DTW rápida em C)
Uma lista profissional sobre Modelos Grandes (de Linguagem) e Modelos Fundacionais (LLM, LM, FM) para Séries Temporais, Dados Espaço-Temporais e de Eventos.
Implementação do modelo Transformer (originalmente de Attention is All You Need) aplicado a Séries Temporais.
tfts: Modelos de Deep Learning de Séries Temporais em TensorFlow
Uma coleção de métodos de detecção de anomalias (iid/baseados em pontos, grafos e séries temporais), incluindo aprendizado ativo para detecção/descoberta de anomalias, mineração de regras bayesianas, descrição para diversidade/explicação/interpretabilidade. Análise da incorporação de feedback de rótulos com detectores baseados em ensemble e em árvores. Inclui ataques adversariais com Redes Neurais Convolucionais de Grafos.
Implementação Golang do servidor Graphite/Carbon com arquitetura clássica: Agente -> Cache -> Persister
Previsão Hierárquica Probabilística 👑 com métodos estatísticos e econométricos.
Biblioteca C++ somente de cabeçalho para remostragem de áudio profissional / conversão de taxa de amostragem de alta qualidade. Muito rápida, tanto para remostragem de áudio quanto para interpolação de séries temporais.
Exemplo de Predição de Múltiplas Séries Temporais Multivariadas com Redes Neurais Recorrentes LSTM em Python com Keras.
Um código simples e flexível para arquiteturas de computação de reservatório como redes de estado ecoante
Repositório do artigo «A Systematic Evaluation of Deep Anomaly Detection Methods for Time Series».
Detecção de anomalias em tempo real para métricas de séries temporais. 11 anos de evolução na detecção de anomalias em produção. Conjuntos de múltiplos algoritmos. Reconhecimento de padrões usando aprendizado semissupervisionado e não supervisionado. Análise de correlação. Aprende e melhora ao longo do tempo. Não requer GPU, pode ser executado em um VPS.
Modeltime desbloqueia modelos de previsão de séries temporais e aprendizado de máquina em um único framework
Um pacote amigável para análise de séries temporais do Kepler e TESS em Python.
O SiriDB é um banco de dados de séries temporais super rápido, robusto e altamente escalável. Construído do zero, o SiriDB utiliza um mecanismo exclusivo para operar sem um índice global e permite que os recursos do servidor sejam adicionados dinamicamente. A linguagem de consulta exclusiva do SiriDB inclui agrupamento dinâmico de séries temporais para facilitar a análise de grandes quantidades de séries temporais.
Perguntas Frequentes
Qual é o repositório de #timeseries mais popular no GitHub?
O projeto de código aberto de #timeseries mais bem classificado no GitHub é leeoniya/uPlot, com 10,664 estrelas. 📈 Um gráfico pequeno e rápido para séries temporais, linhas, áreas, OHLC e barras
Quais linguagens de programação são mais usadas nos repositórios de #timeseries?
Entre os projetos de #timeseries mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, JavaScript, Go, Jupyter Notebook.
Como é calculada a classificação dos repositórios de #timeseries?
Acompanhamos 50 repositórios ativos de código aberto marcados com #timeseries (com mais de 500 estrelas), totalizando 104,436 estrelas e uma média de 2,088 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.