time-series

TimeCopilot : l'agent de prévision GenAI. Construit sur des LLM et des modèles de fondation de séries temporelles, il vous permet de prévoir, de valider de manière croisée et de détecter des anomalies à l'aide de plusieurs modèles de fondation via une API unique. De la finance et de l'énergie à l'analyse Web, TimeCopilot transforme les requêtes en langage naturel en prévisions prêtes pour la production.

Le moteur de reporting pour Django. Créez des tableaux de bord ainsi que des rapports et des graphiques autonomes.

Dépôt de l'article "A Systematic Evaluation of Deep Anomaly Detection Methods for Time Series".

Implémentation Python de soft-DTW.

DÉPRÉCIÉ, maintenant dans sktime - package compagnon pour l'apprentissage profond basé sur TensorFlow

Modeltime intègre les modèles de prévision de séries temporelles et le machine learning dans un seul framework

Analyse de séries temporelles pour Rust, avec des liaisons pour Python et Javascript

Publication du code pour « Non-stationary Transformers: Exploring the Stationarity in Time Series Forecasting » (NeurIPS 2022), https://arxiv.org/abs/2205.14415

Modèles de langage et de fondation à grande échelle pour les séries temporelles.

Une collection organisée de jeux de données industriels publics.

Implémentations, code de pré-entraînement et jeux de données pour modèles de séries temporelles larges

Une étude complète sur les domaines des séries temporelles.

Ce dépôt contient une liste de lecture d'articles sur la segmentation de séries temporelles. Ce dépôt est en amélioration continue.

Un paquet convivial pour l'analyse de séries temporelles Kepler & TESS en Python.

Apprentissage contrastif auto-supervisé pour séries temporelles via cohérence temps-fréquence.

Tutoriels d'économétrie utilisant Python. Un cours intensif pour passer en revue les concepts et techniques essentiels de l'économétrie de base, avec des théories présentées simplement sans démonstrations complexes et des codes Python directs.

Un package Python pour l'identification de systèmes utilisant des modèles NARMAX.

SiriDB est une base de données de séries temporelles hautement évolutive, robuste et ultra-rapide. Conçue à partir de zéro, SiriDB utilise un mécanisme unique pour fonctionner sans index global et permet l'ajout de ressources serveur à la volée. Le langage de requête unique de SiriDB inclut le regroupement dynamique de séries temporelles pour une analyse facilitée sur de grands volumes de données.

Implémentation officielle PyTorch de l'article SAITS : Self-Attention-based Imputation for Time Series. Un modèle de réseau de neurones profond rapide et à l'état de l'art pour l'imputation efficace de séries temporelles.