time-series-anomaly-detection

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.

Tutoriels Jupyter Notebook sur la résolution de problèmes réels avec le Machine Learning et le Deep Learning en utilisant PyTorch. Sujets : détection de visages avec Detectron 2, détection d'anomalies de séries temporelles avec des auto-encodeurs LSTM, détection d'objets avec YOLO v5, création de votre premier réseau de neurones, prévision de séries temporelles pour les cas quotidiens de coronavirus, analyse de sentiment avec BERT

Une boîte à outils pour l'apprentissage automatique et l'apprentissage profond sur les séries temporelles

[TPAMI 2024] Ressources sur les GNN pour l'analyse de séries temporelles (GNN4TS)

MOMENT : Une famille de modèles de fondation pour séries temporelles, ICML'24

Modélisation de séries temporelles profondes facile à utiliser basée sur PaddlePaddle, incluant des modules complets comme TSDataset, Analysis, Transform, Models, AutoTS et Ensemble, prenant en charge des tâches variées comme la prévision, l'apprentissage de représentation et la détection d'anomalies, avec un suivi rapide des modèles SOTA.