#forecasting Репозитории
Откройте для себя 56 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #forecasting, с общим числом 186,967 звёзд (в среднем 3,338 на проект). Лидером этой темы является meta/prophet, набравший 20,494 звёзд.
Всего репозиториев: 56
Инструмент для создания высококачественных прогнозов для данных временных рядов, имеющих множественную сезонность с линейным или нелинейным ростом.
Скрипты глубокого обучения передового уровня, организованные по моделям - легко обучать и развертывать с воспроизводимой точностью и производительностью на инфраструктуре корпоративного уровня.
Библиотека Python для удобного прогнозирования и обнаружения аномалий во временных рядах.
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.
Chronos: Предобученные модели для прогнозирования временных рядов
Временные ряды Timeseries Глубокое обучение Машинное обучение Python Pytorch fastai | Библиотека глубокого обучения мирового уровня для временных рядов и последовательностей в Pytorch / fastai
Молниеносно быстрые прогнозы с использованием статистических и эконометрических моделей.
Merlion: Фреймворк машинного обучения для интеллектуального 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 🚀.
Профессионально подобранный список отличных ресурсов (статьи, код, данные и т. д.), посвященных трансформерам во временных рядах.
[AAAI-23 Oral] Официальная реализация статьи "Эффективны ли трансформеры для прогнозирования временных рядов?"
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
Пакет Python для байесовского прогнозирования с объектно-ориентированным дизайном и вероятностными моделями под капотом.
Статистическая библиотека, предназначенная для заполнения пробела в возможностях анализа временных рядов Python, включая эквивалент функции auto.arima из R.
Единое обучение универсальных трансформеров для прогнозирования временных рядов
Lag-Llama: На пути к базовым моделям для вероятностного прогнозирования временных рядов
Профессиональный список статей, учебных пособий и обзоров по ИИ для временных рядов на ведущих конференциях и в журналах по ИИ.
Библиотека Python для прогнозирования временных рядов с использованием моделей, совместимых с scikit-learn, статистических методов и базовых моделей
Django Ledger — это система двойной бухгалтерии и движок финансового анализа, построенный на Django Web Framework.
Машинное обучение временных рядов в масштабе. Создано с использованием Polars для легко параллелизуемой экстракции признаков и прогнозов на панельных данных.
Профессиональный список по большим (языковым) моделям и фундаментальным моделям (LLM, LM, FM) для временных рядов, пространственно-временных данных и событийных данных.
tfts: Модели глубокого обучения для временных рядов в TensorFlow
MOMENT: Семейство открытых базовых моделей для временных рядов, ICML'24
Polymarket || Polymarket Bot || Polymarket Copy Bot || Polymarket Copy Trading Bot
Ресурсы по прогнозированию временных рядов и глубокому обучению.
Luminaire — это пакет Python, который предоставляет решения на основе машинного обучения для мониторинга данных временных рядов.
Вероятностное иерархическое прогнозирование 👑 с использованием статистических и эконометрических методов.
Подборка громких реальных примеров неудачных проектов машинного обучения
PyTorch LSTM-автоэнкодер с двойным вниманием для многомерных временных рядов
TimeCopilot: агентный фреймворк для прогнозирования. Созданный на основе больших языковых моделей (LLM) и базовых моделей временных рядов, он позволяет с помощью единого API строить прогнозы, проводить перекрёстную проверку и выявлять аномалии, используя несколько базовых моделей. От финансов и энергетики до веб-аналитики — TimeCopilot преобразует запросы на естественном языке в прогнозы, готовые к использованию в промышленной среде.
Часто задаваемые вопросы
Какой репозиторий по теме #forecasting наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #forecasting на GitHub — meta/prophet, набравший 20,494 звёзд. Инструмент для создания высококачественных прогнозов для данных временных рядов, имеющих множественную сезонность с линейным или нелинейным ростом.
Какие языки программирования чаще всего используются в репозиториях по теме #forecasting?
Среди наиболее высоко оценённых проектов по теме #forecasting на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, R, TypeScript.
Как рассчитывается рейтинг репозиториев по теме #forecasting?
Мы отслеживаем 56 активных репозиториев с открытым исходным кодом, отмеченных тегом #forecasting (500 и более звёзд), с общим числом 186,967 звёзд и в среднем 3,338 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.