time-series-forecasting

Chronos: टाइम सीरीज़ पूर्वानुमान के लिए प्री-ट्रेन किए गए मॉडल

Python में संभावित समय श्रृंखला मॉडलिंग

TimeGPT-1: पूर्वानुमान और विसंगति का पता लगाने के लिए उत्पादन-तैयार पूर्व-प्रशिक्षित टाइम सीरीज़ फाउंडेशन मॉडल। 100B से अधिक डेटा बिंदुओं पर प्रशिक्षित टाइम सीरीज़ के लिए जेनरेटिव प्रीट्रेनड ट्रांसफॉर्मर। यह केवल कुछ पंक्तियों के कोड के साथ खुदरा, बिजली, वित्त और IoT जैसे विभिन्न डोमेन की सटीक भविष्यवाणी करने में सक्षम है 🚀।

इस रिपॉजिटरी में टाइम सीरीज़ फ़ोरकास्टिंग/प्रेडिक्शन (TSF) और स्पैचियो-टेम्पोरल फ़ोरकास्टिंग/प्रेडिक्शन (STF) पर शोध पत्रों की एक रीडिंग लिस्ट शामिल है। इन पत्रों को मुख्य रूप से मॉडल के प्रकार के अनुसार वर्गीकृत किया गया है।

टाइम सीरीज़ में transformers पर शानदार संसाधनों (पेपर, कोड, डेटा आदि) की पेशेवर रूप से क्यूरेट की गई सूची

समय श्रृंखला पूर्वानुमान (टाइम सीरीज़ फ़ोरकास्टिंग) के लिए डीप लर्निंग का उपयोग करने वाले पेपर, कोड और प्रयोगों की सूची

[ICLR 2024] "Time-LLM: Time Series Forecasting by Reprogramming Large Language Models" का आधिकारिक कार्यान्वयन

[AAAI-23 Oral] पेपर "Are Transformers Effective for Time Series Forecasting?" का आधिकारिक कार्यान्वयन

PyTorch का उपयोग करके मशीन लर्निंग और डीप लर्निंग के साथ वास्तविक दुनिया की समस्याओं को हल करने पर Jupyter Notebook ट्यूटोरियल। विषय: Detectron 2 के साथ चेहरा पहचान, LSTM ऑटोएन्कोडर के साथ टाइम सीरीज़ विसंगति पहचान, YOLO v5 के साथ ऑब्जेक्ट डिटेक्शन, अपना पहला न्यूरल नेटवर्क बनाएं, कोरोनावायरस दैनिक मामलों के लिए टाइम सीरीज़ पूर्वानुमान, BERT के साथ सेंटीमेंट विश्लेषण

टाइम सीरीज़ फ़ोरकास्टिंग, वर्गीकरण और विसंगति का पता लगाने के लिए डीप लर्निंग PyTorch लाइब्रेरी (मूल रूप से बाढ़ पूर्वानुमान के लिए)।

AssetOpsBench - Industry 4.0: इंडस्ट्री 4.0 एसेट संचालन और रखरखाव के लिए डोमेन-विशिष्ट AI एजेंट्स को बनाने, ऑर्केस्ट्रेट करने और मूल्यांकन करने के लिए एक एकीकृत बेंचमार्क और फ्रेमवर्क, जिसमें 460+ परिदृश्य, 5 विशेषज्ञ एजेंट (IoT, FMSR, TSFM, Work Order, आदि), और MCP पर मल्टी-एजेंट ऑर्केस्ट्रेशन ब्लूप्रिंट (MetaAgent, AgentHive) शामिल हैं।

"iTransformer: Inverted Transformers Are Effective for Time Series Forecasting" (ICLR 2024 Spotlight) के लिए आधिकारिक कार्यान्वयन

[ICLR 2024] "TimeMixer: Decomposable Multiscale Mixing for Time Series Forecasting" का आधिकारिक कार्यान्वयन

[PVLDB 2024 बेस्ट पेपर नॉमिनेशन] TFB: समय श्रृंखला पूर्वानुमान विधियों की व्यापक और निष्पक्ष बेंचमार्किंग की ओर

Lag-Llama: संभाव्य समय श्रृंखला पूर्वानुमान के लिए फाउंडेशन मॉडल की ओर

यूनिवर्सल टाइम सीरीज फोरकास्टिंग ट्रांसफॉर्मर का एकीकृत प्रशिक्षण

scikit-learn संगत मॉडल, सांख्यिकीय विधियों और फाउंडेशन मॉडल का उपयोग करके समय श्रृंखला पूर्वानुमान के लिए Python लाइब्रेरी

शीर्ष AI वेन्यू से नवीनतम टाइम सीरीज पेपर और कोड की एक शानदार सूची।

शोध पत्रों, कोड और अन्य संसाधनों की सूची

CS के शीर्ष सम्मेलनों (NIPS, ICML, ICLR, KDD, AAAI, WWW, IJCAI, CIKM, ICDM, ICDE, आदि) में टाइम-सीरीज़ कार्य सारांश

[ICLR 2025 Spotlight] "Time-MoE: Billion-Scale Time Series Foundation Models with Mixture of Experts" का आधिकारिक कार्यान्वयन

tfts: TensorFlow में टाइम सीरीज़ डीप लर्निंग मॉडल।

[TPAMI 2024] समय श्रृंखला विश्लेषण के लिए GNN के शानदार संसाधन (GNN4TS)

MOMENT: ओपन टाइम-सीरीज फाउंडेशन मॉडल्स का एक परिवार, ICML'24

समय श्रृंखला पूर्वानुमान (time series forecasting) और डीप लर्निंग के बारे में संसाधन।

सांख्यिकीय और इकोनोमेट्रिक विधियों के साथ प्राएबिलिस्टिक पदानुक्रमित पूर्वानुमान 👑।

टाइम सीरीज़ और सीक्वेंस डेटा के साथ काम करने के लिए संसाधन।

Elasticsearch में DataFrames, Big Data, Machine Learning और ETL के लिए Python क्लाइंट और टूलकिट।

ARIMA, RNN, LSTM और GRU मॉडल का उपयोग करके दिल्ली के विद्युत भार का पूर्वानुमान

TimeCopilot: GenAI फ़ोरकास्टिंग एजेंट। LLMs और टाइम सीरीज़ फ़ाउंडेशन मॉडल पर निर्मित, यह आपको एक ही API के माध्यम से कई फ़ाउंडेशन मॉडल का उपयोग करके पूर्वानुमान लगाने, क्रॉस-वैलिडेट करने और विसंगतियों का पता लगाने की अनुमति देता है। वित्त और ऊर्जा से लेकर वेब एनालिटिक्स तक, TimeCopilot प्राकृतिक भाषा की क्वेरी को प्रोडक्शन-रेडी पूर्वानुमानों में बदल देता है।