forecasting

Aprendizaje automático escalable para la predicción de series temporales.

Una lista profesional sobre modelos de lenguaje grandes (LLM) y modelos fundacionales (LM, FM) para series temporales, datos espaciotemporales y datos de eventos.

Aprendizaje automático de series temporales a escala. Construido con Polars para la extracción de características y pronósticos altamente paralelizables en datos de panel.

Funciones de pronóstico para series temporales y modelos lineales

Kit de herramientas de monitoreo de carga no intrusivo (nilmtk)

tfts: Modelos de aprendizaje profundo para series temporales en TensorFlow

MOMENT: Una familia de modelos base de código abierto para series temporales, ICML'24.

Luminaire es un paquete de Python que ofrece soluciones basadas en ML para el monitoreo de datos de series temporales.

Recursos sobre pronóstico de series temporales y aprendizaje profundo.

Pronóstico jerárquico probabilístico 👑 mediante métodos estadísticos y econométricos.

Compilación de ejemplos reales y destacados de proyectos de machine learning fallidos

Autoencoder LSTM de doble atención en PyTorch para series temporales multivariantes.

Un modelo unificado de series temporales multitarea.

Análisis de series temporales en el `tidyverse`.

TimeCopilot: el agente de pronóstico GenAI. Construido sobre LLMs y modelos base de series temporales, permite realizar pronósticos, validación cruzada y detección de anomalías utilizando múltiples modelos base a través de una única API. Desde finanzas y energía hasta analítica web, TimeCopilot convierte consultas en lenguaje natural en pronósticos listos para producción.

Pronóstico de series temporales ordenado (Tidy).

Modeltime integra modelos de pronóstico de series temporales y machine learning en un solo framework

Publicación de código para Non-stationary Transformers: Exploring the Stationarity in Time Series Forecasting (NeurIPS 2022), https://arxiv.org/abs/2205.14415