time-series

Für Entwickler, die Echtzeit-Datengetriebene Anwendungen bauen, ist Redis das bevorzugte, schnellste und funktionsreichste Cache-, Datenstruktur-Server- und Dokumenten- sowie Vektor-Abfrage-Engine.

Das Prometheus-Monitoring-System und die Zeitreihen-Datenbank.

Skalierbarer Datenspeicher für Metriken, Ereignisse und Echtzeit-Analysen.

Hochleistungs-, skalierbare Zeitreihendatenbank, die für Industrial IoT (IIoT) Szenarien entwickelt wurde.

Eine Zeitreihendatenbank für hochleistungsfähige Echtzeitanalysen, verpackt als PostgreSQL-Erweiterung

Agent zum Sammeln, Verarbeiten, Aggregieren und Schreiben von Metriken, Logs und anderen beliebigen Daten.

QuestDB ist eine hochperformante, Open-Source-Zeitreihendatenbank

Nightingale verhält sich zu Monitoring und Alerting wie Grafana zu Visualisierung.

Eine Bibliothek für fortgeschrittene Deep-Time-Series-Modelle zur allgemeinen Zeitreihenanalyse.

Schnelles und präzises ML in 3 Zeilen Code

📈 Ein kleines, schnelles Diagramm für Zeitreihen, Linien, Flächen, OHLC und Balken

Ein einheitliches Framework für Machine Learning mit Zeitreihen

Eine Python-Bibliothek zur Anomalieerkennung in tabellarischen, Zeitreihen-, Graph-, Text-, Bild- und Audiodaten. Über 60 Detektoren, Benchmark-gestützte ADEngine-Orchestrierung und ein agentischer Workflow für KI-Agenten.

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

Automatische Extraktion relevanter Merkmale aus Zeitreihen:

Die Backtesting-Engine, die Ihnen einen unfairen Vorteil verschafft. Führen Sie Tausende von Handelsideen aus, bevor andere eine fertigstellen.

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

All-in-One-Entwicklungstool basierend auf PaddlePaddle

Das Zeitreihen-Visualisierungstool, das Sie verdienen.

Ein hochskalierbares Echtzeit-Diagrammsystem

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

Blitzschnelle Prognosen mit statistischen und ökonometrischen Modellen.

CrateDB ist eine verteilte und skalierbare SQL-Datenbank zum Speichern und Analysieren riesiger Datenmengen in nahezu Echtzeit, selbst bei komplexen Abfragen. Sie ist PostgreSQL-kompatibel und basiert auf Lucene.

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 🚀.

ACID-konforme Dokumentendatenbank

Synthetische Datengenerierung für tabellarische Daten