#anomaly-detection Репозитории
Откройте для себя 76 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #anomaly-detection, с общим числом 256,252 звёзд (в среднем 3,371 на проект). Лидером этой темы является netdata/netdata, набравший 81,572 звёзд.
Всего репозиториев: 76
Полная наблюдаемость стека · Метрики · Журналы · Трассировки · Потоки · Топология · Инфраструктура · APM · NPM · DBM · RUM · Синтетический мониторинг · Облако · SRE на основе ИИ · OpenTelemetry · SNMP · NetFlow/IPFIX/sFlow · IPMI · Redfish · Более 2 000 интеграций
Открытая библиотека Cleanlab — это стандартный пакет data-centric AI для качества данных и машинного обучения с беспорядочными реальными данными и метками.
Библиотека Python для обнаружения аномалий в табличных данных, временных рядах, графах, текстах, изображениях и аудио. Включает более 60 детекторов, оркестрацию ADEngine на основе бенчмарков и агентный рабочий процесс для ИИ-агентов.
Открытая платформа AutoML с низким кодом для Python. PyCaret 4.0: движок нативный sklearn + плоскость управления React.
Библиотека Python для удобного прогнозирования и обнаружения аномалий во временных рядах.
Книги, статьи, видео и инструментарии по обнаружению аномалий. Последнее обновление в конце 2025 года для работ по LLM и VLM!
Kats, набор инструментов для анализа временных рядов, легковесная, простая в использовании, обобщаемая и расширяемая платформа для выполнения анализа временных рядов, от понимания ключевой статистики и характеристик, обнаружения точек изменения и аномалий до прогнозирования будущих тенденций.
Библиотека обнаружения аномалий, включающая передовые алгоритмы и функции, такие как управление экспериментами, оптимизация гиперпараметров и периферийные вычисления.
Merlion: Фреймворк машинного обучения для интеллектуального анализа временных рядов
STUMPY — это мощная и масштабируемая библиотека Python для современного анализа временных рядов
TimeGPT-2.1: предварительно обученная фундаментальная модель временных рядов, готовая к использованию в промышленной эксплуатации, для прогнозирования и обнаружения аномалий. Генеративный предварительно обученный трансформер для временных рядов, обученный на более чем 100 млрд точек данных. Всего несколько строк кода позволяют выполнять точные прогнозы в различных областях, включая розничную торговлю, электроэнергетику, финансы и IoT 🚀.
Список статей и наборов данных для обнаружения аномалий/дефектов промышленных изображений (обновляется). Библиотека поиска статей и наборов данных по обнаружению промышленных аномалий/дефектов (постоянно обновляется).
Список инструментов и наборов данных для обнаружения аномалий в данных временных рядов.
Большая коллекция наборов данных системных логов для анализа логов на основе ИИ [ISSRE'23]
Учебные пособия Jupyter Notebook по решению реальных проблем с помощью Machine Learning & Deep Learning с использованием PyTorch. Темы: Обнаружение лиц с Detectron 2, Обнаружение аномалий в временных рядах с LSTM Autoencoders, Обнаружение объектов с YOLO v5, Создайте свою первую Neural Network, Прогнозирование временных рядов для ежедневных случаев Coronavirus, Анализ настроений с BER
Библиотека PyTorch для глубокого обучения для прогнозирования временных рядов, классификации и обнаружения аномалий (первоначально для прогнозирования наводнений).
Python-инструментарий/библиотека для ориентированного на реальность машинного/глубокого обучения и дата-майнинга на частично наблюдаемых временных рядах, с более чем 50 моделями нейронных сетей SOTA для задач научного анализа (импутация, классификация, кластеризация, прогнозирование, обнаружение аномалий, очистка) на неполных промышленных нерегулярно выборочных многомерных ВР с пропущенными значениями NaN
Курируемый список статей и ресурсов по обнаружению мошенничества, аномалий и выбросов на основе графов/трансформеров
Сводка материалов по обучению AIOps, добро пожаловать пополнить этот репозиторий вместе, добро пожаловать star
Инструментарий машинного обучения для обнаружения аномалий на основе логов [ISSRE'16]
Python-инструментарий для обнаружения аномалий на основе правил/без надзора во временных рядах
Фреймворк для использования LSTM для обнаружения аномалий в многомерных временных рядах. Включает данные об аномалиях космических аппаратов и эксперименты из миссий Mars Science Laboratory и SMAP.
Потрясающий список новейших работ и кода по временным рядам от ведущих площадок ИИ.
ElastAlert 2 является продолжением оригинального проекта yelp/elastalert. Мы приветствуем Pull requests!
Резюме работ в области временных рядов на ведущих конференциях по информатике (NIPS, ICML, ICLR, KDD, AAAI, WWW, IJCAI, CIKM, ICDM, ICDE и др.)
Ресурсы по обнаружению вне распределения, устойчивости и обобщению. Репозиторий содержит тщательно отобранный список статей, учебных пособий, книг, видео, статей и библиотек с открытым исходным кодом и т. д.
Официальная реализация «ADBench: Benchmark для обнаружения аномалий», NeurIPS 2022.
Выявление аномальных заказов: модель классификации мошеннических заказов (Случайный лес / Дерево решений / SVM)
Обзор и список статей по текущим диффузионным моделям для временных рядов и пространственно-временных данных с отличными ресурсами (статьи, приложения, обзоры, исследования и т. д.).
О выпуске кода для "TimesNet: Temporal 2D-Variation Modeling for General Time Series Analysis" (ICLR 2023), https://openreview.net/pdf?id=ju_Uqw384Oq
MOMENT: Семейство открытых базовых моделей для временных рядов, ICML'24
Сборник методов обнаружения аномалий (iid/на основе точек, граф и временные ряды), включая активное обучение для обнаружения/открытия аномалий, байесовское извлечение правил, описание для разнообразия/объяснения/интерпретируемости. Анализ интеграции обратной связи по меткам с детекторами на основе ансамблей и деревьев. Включает adversarial атаки с Graph Convolutional Network.
Официальная реализация "Сегментирование любой аномалии без обучения с помощью гибридной регуляризации подсказок (SAA+)".
LogAI - Библиотека с открытым исходным кодом для анализа журналов и интеллектуальной обработки
Luminaire — это пакет Python, который предоставляет решения на основе машинного обучения для мониторинга данных временных рядов.
Часто задаваемые вопросы
Какой репозиторий по теме #anomaly-detection наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #anomaly-detection на GitHub — netdata/netdata, набравший 81,572 звёзд. Полная наблюдаемость стека · Метрики · Журналы · Трассировки · Потоки · Топология · Инфраструктура · APM · NPM · DBM · RUM · Синтетический мониторинг · Облако · SRE на основе ИИ · OpenTelemetry · SNMP · NetFlow/IPFIX/sFlow · IPMI · Redfish · Более 2 000 интеграций
Какие языки программирования чаще всего используются в репозиториях по теме #anomaly-detection?
Среди наиболее высоко оценённых проектов по теме #anomaly-detection на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, PHP, Go.
Как рассчитывается рейтинг репозиториев по теме #anomaly-detection?
Мы отслеживаем 76 активных репозиториев с открытым исходным кодом, отмеченных тегом #anomaly-detection (500 и более звёзд), с общим числом 256,252 звёзд и в среднем 3,371 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.