forecasting

Tool zur Erstellung hochwertiger Prognosen für Zeitreihendaten mit mehreren Saisonalitäten bei linearem oder nichtlinearem Wachstum.

Modernste Deep-Learning-Skripte, organisiert nach Modellen – einfach zu trainieren und bereitzustellen mit reproduzierbarer Genauigkeit und Leistung auf Infrastruktur für den Unternehmenseinsatz.

Statsmodels: Statistische Modellierung und Ökonometrie in Python

Schnelles und präzises ML in 3 Zeilen Code

Ein einheitliches Framework für Machine Learning mit Zeitreihen

Eine Python-Bibliothek für benutzerfreundliche Prognosen und Anomalieerkennung in Zeitreihen.

Postgres mit GPUs für ML/AI-Anwendungen.

Das GitHub-Repository für das von der AAAI 2021 angenommene Paper „Informer“.

Time Series Timeseries Deep Learning Machine Learning Python Pytorch fastai | State-of-the-Art-Deep-Learning-Bibliothek für Zeitreihen und Sequenzen in Pytorch / fastai

Chronos: Vortrainierte Modelle für Zeitreihenprognosen.

Probabilistische Zeitreihenmodellierung in Python

Zeitreihenvorhersage mit PyTorch

Blitzschnelle Prognosen mit statistischen und ökonometrischen Modellen.

NeuralProphet: Ein einfaches Prognosepaket

Skalierbare und benutzerfreundliche neuronale :brain: Prognosealgorithmen.

TimeGPT-1: Ein produktionsbereites, vortrainiertes Time Series Foundation Model für Vorhersagen und Anomalieerkennung. Ein generativer, vortrainierter Transformer für Zeitreihen, trainiert auf über 100 Milliarden Datenpunkten. Ermöglicht präzise Vorhersagen in Bereichen wie Einzelhandel, Strom, Finanzen und IoT mit nur wenigen Zeilen Code 🚀.

Eine professionell kuratierte Liste von großartigen Ressourcen (Papers, Code, Daten usw.) zu Transformern in Zeitreihen.

[AAAI-23 Oral] Offizielle Implementierung des Papers „Are Transformers Effective for Time Series Forecasting?“

Deep-Learning-PyTorch-Bibliothek für Zeitreihenvorhersage, Klassifizierung und Anomalieerkennung (ursprünglich für Hochwasservorhersagen).

Ein Python-Paket für Bayes'sche Vorhersagen mit objektorientiertem Design und probabilistischen Modellen im Hintergrund.

Ein Python-Toolkit/eine Bibliothek für realitätszentriertes Machine/Deep Learning & Data Mining auf teilweise beobachteten Zeitreihen, mit über 50 SOTA-Neuronalen-Netzwerk-Modellen für wissenschaftliche Analyseaufgaben (Imputation, Klassifikation, Clustering, Vorhersage, Anomalieerkennung, Bereinigung) bei unvollständigen, industriellen, unregelmäßig abgetasteten multivariaten Zeitreihen mit NaN-Fehlwerten

Eine Statistik-Bibliothek zur Schließung von Lücken in den Zeitreihenanalyse-Funktionen von Python, einschließlich des Äquendants zur auto.arima-Funktion von R.

Eine professionelle Liste von Papers, Tutorials und Surveys zu KI für Zeitreihen auf Top-KI-Konferenzen und -Zeitschriften.

Lag-Llama: Auf dem Weg zu Basismodellen für die probabilistische Zeitreihenprognose

Einheitliches Training von universellen Time-Series-Forecasting-Transformern

ARCH-Modelle in Python

Python-Bibliothek für Zeitreihenprognosen unter Verwendung von scikit-learn-kompatiblen Modellen, statistischen Methoden und Foundation-Modellen

Ein Toolkit für Machine Learning und Deep Learning von Zeitreihen

Automatisierte Zeitreihenprognose

Django Ledger ist ein System für doppelte Buchführung und eine Finanzanalyse-Engine, die auf dem Django Web Framework basiert.