time-series

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.

Motor de informes para Django. Crea paneles de control, informes independientes y gráficos.

Repositorio del artículo "A Systematic Evaluation of Deep Anomaly Detection Methods for Time Series".

Implementación en Python de soft-DTW.

OBSOLETO, ahora integrado en sktime: paquete complementario para aprendizaje profundo basado en TensorFlow.

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

Análisis de series temporales para Rust, con enlaces para Python y Javascript.

Una colección curada de conjuntos de datos industriales públicos.

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

Modelos de lenguaje extenso y modelos base para series temporales.

Implementaciones, código de preentrenamiento y conjuntos de datos para modelos de series temporales a gran escala.

Un estudio exhaustivo sobre los dominios de series temporales.

Este repositorio contiene una lista de lectura de artículos sobre segmentación de series temporales. El repositorio sigue en mejora continua.

Un paquete amigable para el análisis de series temporales de Kepler y TESS en Python.

Aprendizaje contrastivo autosupervisado para series temporales mediante consistencia tiempo-frecuencia

Tutoriales de econometría con Python. Un curso intensivo para repasar los conceptos y técnicas más importantes de la econometría básica, con teorías presentadas de forma sencilla y código Python directo.

Paquete de Python para identificación de sistemas mediante modelos NARMAX.

SiriDB es una base de datos de series temporales altamente escalable, robusta y extremadamente rápida. Construida desde cero, SiriDB utiliza un mecanismo único para operar sin un índice global y permite añadir recursos de servidor sobre la marcha. El lenguaje de consulta único de SiriDB incluye la agrupación dinámica de series temporales para un análisis sencillo de grandes cantidades de datos.

Implementación oficial en PyTorch del artículo "SAITS: Self-Attention-based Imputation for Time Series". Un modelo de red neuronal de aprendizaje profundo rápido y de vanguardia (SOTA) para la imputación eficiente de series temporales (imputa series temporales multivariadas incompletas con valores faltantes NaN mediante aprendizaje automático).