forecasting

Skalierbares maschinelles 🤖 Lernen für Zeitreihenprognosen.

Eine professionelle Liste zu Large Language Models und Foundation Models (LLM, LM, FM) für Zeitreihen-, raumbezogene und Ereignisdaten.

Machine Learning für Zeitreihen im großen Maßstab. Entwickelt mit Polars für hochgradig parallele Feature-Extraktion und Prognosen auf Panel-Daten.

Prognosefunktionen für Zeitreihen und lineare Modelle

Toolkit für nicht-invasive Lastüberwachung (NILMTK)

tfts: Deep-Learning-Modelle für Zeitreihen in TensorFlow

MOMENT: Eine Familie offener Zeitreihen-Basismodelle, ICML'24

Luminaire ist ein Python-Paket, das ML-gestützte Lösungen zur Überwachung von Zeitreihendaten bereitstellt.

Ressourcen zu Zeitreihenprognosen und Deep Learning.

Probabilistische hierarchische Vorhersage 👑 mit statistischen und ökonometrischen Methoden.

Sammlung prominenter Praxisbeispiele gescheiterter Machine-Learning-Projekte

PyTorch Dual-Attention LSTM-Autoencoder für multivariate Zeitreihen

Ein einheitliches Multitask-Modell für Zeitreihen.

Zeitreihenanalyse im `tidyverse`

TimeCopilot: Der GenAI-Prognose-Agent. Basierend auf LLMs und Zeitreihen-Grundlagenmodellen ermöglicht er Prognosen, Kreuzvalidierungen und Anomalieerkennung über mehrere Modelle hinweg mittels einer einzigen API. Von Finanzen und Energie bis hin zu Web-Analysen wandelt TimeCopilot natürlichsprachliche Abfragen in produktionsreife Prognosen um.

Tidy-Zeitreihenprognose

Modeltime integriert Zeitreihenprognosemodelle und maschinelles Lernen in einem Framework.

Code-Release für Non-stationary Transformers: Exploring the Stationarity in Time Series Forecasting (NeurIPS 2022), https://arxiv.org/abs/2205.14415