#time-series Репозитории
Откройте для себя 143 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #time-series, с общим числом 584,542 звёзд (в среднем 4,087 на проект). Лидером этой темы является redis/redis, набравший 77,583 звёзд.
Всего репозиториев: 143
Для разработчиков, которые создают приложения на основе данных в реальном времени, Redis — это предпочтительный, самый быстрый и наиболее функциональный кэш, сервер структур данных, а также движок запросов к документам и векторам.
Масштабируемое хранилище данных для метрик, событий и аналитики в реальном времени
Высокопроизводительная, масштабируемая база данных временных рядов, разработанная для сценариев промышленного Интернета вещей (IIoT)
База данных временных рядов для высокопроизводительного анализа в реальном времени, упакованная как расширение Postgres
Агент для сбора, обработки, агрегации и записи метрик, логов и других произвольных данных.
QuestDB - это высокопроизводительная, кроссплатформенная база данных временных рядов с открытым исходным кодом
Система оповещений с открытым исходным кодом для самостоятельного размещения, предназначенная для метрик, логов и баз данных. Включает встроенного ИИ-агента и MCP-сервер.
Библиотека продвинутых моделей глубоких временных рядов для общего анализа временных рядов.
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.
Исследовательская платформа, которая даёт вам несправедливое преимущество. Проверяйте тысячи торговых идей, пока другие не завершили даже одну.
Библиотека Python для удобного прогнозирования и обнаружения аномалий во временных рядах.
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
Высоко масштабируемая система графического представления в реальном времени
Молниеносно быстрые прогнозы с использованием статистических и эконометрических моделей.
Merlion: Фреймворк машинного обучения для интеллектуального анализа временных рядов
CrateDB — это распределённая и масштабируемая база данных SQL для хранения и анализа огромных объёмов данных почти в реальном времени, даже с сложными запросами. Она совместима с PostgreSQL и основана на Lucene.
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 🚀.
Этот репозиторий содержит список литературы по прогнозированию/предсказанию временных рядов (TSF) и пространственно-временному прогнозированию/предсказанию (STF). Эти статьи в основном классифицируются по типу модели.
Список инструментов и наборов данных для обнаружения аномалий в данных временных рядов.
Профессионально подобранный список отличных ресурсов (статьи, код, данные и т. д.), посвященных трансформерам во временных рядах.
Список статей, кода и экспериментов, использующих глубокое обучение для прогнозирования временных рядов
[ICLR 2024] Официальная реализация " 🦙 Time-LLM: Прогнозирование временных рядов путем перепрограммирования больших языковых моделей"
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
GridDB — это база данных открытого исходного кода следующего поколения, которая делает временные ряды IoT и большие данные быстрыми и простыми.
О выпуске кода для «Autoformer: Decomposition Transformers with Auto-Correlation for Long-Term Series Forecasting» (NeurIPS 2021), https://arxiv.org/abs/2106.13008
[AAAI-23 Oral] Официальная реализация статьи "Эффективны ли трансформеры для прогнозирования временных рядов?"
Фреймворк с открытым исходным кодом для обработки, мониторинга и оповещений по данным 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.
Crane — это платформа FinOps для аналитики облачных ресурсов и экономики в кластерах Kubernetes. Цель состоит не только в том, чтобы помочь пользователям проще управлять облачными расходами, но и в обеспечении качества приложений.
Часто задаваемые вопросы
Какой репозиторий по теме #time-series наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #time-series на GitHub — redis/redis, набравший 77,583 звёзд. Для разработчиков, которые создают приложения на основе данных в реальном времени, Redis — это предпочтительный, самый быстрый и наиболее функциональный кэш, сервер структур данных, а также движок запросов к документам и векторам.
Какие языки программирования чаще всего используются в репозиториях по теме #time-series?
Среди наиболее высоко оценённых проектов по теме #time-series на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, Go, C.
Как рассчитывается рейтинг репозиториев по теме #time-series?
Мы отслеживаем 143 активных репозиториев с открытым исходным кодом, отмеченных тегом #time-series (500 и более звёзд), с общим числом 584,542 звёзд и в среднем 4,087 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.