time-series

Pour les développeurs créant des applications temps réel basées sur les données, Redis est le cache, le serveur de structures de données, ainsi que le moteur de requête de documents et de vecteurs préféré, le plus rapide et le plus riche en fonctionnalités.

Le système de surveillance et la base de données de séries temporelles Prometheus.

Magasin de données évolutif pour les métriques, les événements et l'analyse en temps réel

Base de données de séries temporelles haute performance et évolutive, conçue pour les scénarios de l'Internet des objets industriel (IIoT).

Une base de données de séries temporelles pour l'analyse en temps réel haute performance, packagée sous forme d'extension Postgres

Agent pour collecter, traiter, agréger et écrire des métriques, des journaux et d'autres données arbitraires.

QuestDB est une base de données de séries temporelles open source haute performance

Nightingale est à la surveillance et aux alertes ce que Grafana est à la visualisation.

Une bibliothèque de modèles avancés de Deep Learning pour l'analyse générale de séries temporelles.

ML rapide et précis en 3 lignes de code.

Un graphique petit et rapide pour les séries temporelles, lignes, zones, OHLC et barres.

Un framework unifié pour l'apprentissage automatique appliqué aux séries temporelles.

Une bibliothèque Python pour la détection d'anomalies sur des données tabulaires, séries temporelles, graphes, textes, images et audio. Inclut plus de 60 détecteurs, une orchestration ADEngine basée sur des benchmarks et un flux de travail agentique pour les agents IA.

Bibliothèque Python pour la prévision et la détection d'anomalies conviviale sur des séries temporelles.

Extraction automatique de caractéristiques pertinentes à partir de séries temporelles

Le moteur de backtesting qui vous donne un avantage compétitif. Testez des milliers d'idées de trading avant que les autres n'en terminent une seule.

Le dépôt GitHub pour l'article "Informer" accepté à AAAI 2021.

Outil de développement tout-en-un basé sur PaddlePaddle.

L'outil de visualisation de séries temporelles que vous méritez.

Un système de graphiques en temps réel hautement évolutif.

Bibliothèque de Deep Learning de pointe pour les séries temporelles et les séquences dans Pytorch / fastai.

Chronos : modèles pré-entraînés pour la prévision de séries temporelles

Modélisation probabiliste de séries temporelles en Python.

Prévisions ultra-rapides avec des modèles statistiques et économétriques.

CrateDB est une base de données SQL distribuée et évolutive conçue pour stocker et analyser des volumes massifs de données en temps quasi réel, même avec des requêtes complexes. Compatible avec PostgreSQL et basée sur Lucene.

NeuralProphet : un package de prévision simple.

Algorithmes de prévision neuronale évolutifs et conviviaux.

TimeGPT-1 : modèle de fondation pré-entraîné pour les séries temporelles, prêt pour la production, dédié à la prévision et à la détection d'anomalies

Base de données documentaire ACID.

Génération de données synthétiques pour les données tabulaires