Pular para o conteúdo principal
buildradar
Sign in
Tópico · time-series-forecasting

time-series-forecasting

Repositórios de código aberto acompanhados marcados com time-series-forecasting, ordenados por estrelas.

Repositórios
34
Total de estrelas
60.092
Média de estrelas
1.767
Participação
0,00%

Tópicos que aparecem com frequência ao lado de time-series-forecasting no mesmo repositório.

Em ascensão recentemente

Repositórios criados nos últimos 90 dias e marcados com time-series-forecasting.

Nenhum repositório novo marcado com este tópico nos últimos 90 dias.

  • chronos-forecasting@amazon-science

    Chronos: Modelos pré-treinados para previsão de séries temporais.

    5.798+25Variação de estrelas nos últimos 7 dias
  • gluonts@awslabs

    Modelagem probabilística de séries temporais em Python.

    5.229-3Variação de estrelas nos últimos 7 dias
  • nixtla@Nixtla

    TimeGPT-1: Modelo de fundação de séries temporais pré-treinado pronto para produção para previsão e detecção de anomalias. Transformer generativo pré-treinado para séries temporais treinado em mais de 100 bilhões de pontos de dados. É capaz de prever com precisão vários domínios, como varejo, eletricidade, finanças e IoT com apenas algumas linhas de código.

    3.999+1Variação de estrelas nos últimos 7 dias
  • Este repositório contém uma lista de leitura de artigos sobre previsão de séries temporais (TSF) e previsão espaço-temporal (STF). Esses artigos são categorizados principalmente de acordo com o tipo de modelo.

    3.191+0Variação de estrelas nos últimos 7 dias
  • Uma lista curada profissionalmente de recursos incríveis (artigos, código, dados, etc.) sobre transformers em séries temporais.

    3.007+3Variação de estrelas nos últimos 7 dias
  • deep-learning-time-series@Alro10

    Lista de artigos, código e experimentos usando deep learning para previsão de séries temporais.

    2.782+0Variação de estrelas nos últimos 7 dias
  • Time-LLM@KimMeen

    [ICLR 2024] Implementação oficial de "Time-LLM: Previsão de séries temporais reprogramando grandes modelos de linguagem".

    2.688+2Variação de estrelas nos últimos 7 dias
  • LTSF-Linear@cure-lab

    [AAAI-23 Oral] Implementação oficial do artigo "Are Transformers Effective for Time Series Forecasting?"

    2.508+0Variação de estrelas nos últimos 7 dias
  • Getting-Things-Done-with-Pytorch@curiousily

    Tutoriais em Jupyter Notebook sobre como resolver problemas do mundo real com Machine Learning e Deep Learning usando PyTorch. Tópicos: Detecção facial com Detectron 2, Detecção de anomalias em séries temporais com LSTM Autoencoders, Detecção de objetos com YOLO v5, Construa sua primeira rede neural, Previsão de séries temporais para casos diários de coronavírus, Análise de sentimento com BERT.

    2.503+1Variação de estrelas nos últimos 7 dias
  • flow-forecast@AIStream-Peelout

    Biblioteca PyTorch de deep learning para previsão de séries temporais, classificação e detecção de anomalias (originalmente para previsão de inundações).

    2.294+1Variação de estrelas nos últimos 7 dias
  • AssetOpsBench - Indústria 4.0: Um benchmark e framework unificado para construir, orquestrar e avaliar agentes de IA específicos de domínio para operações e manutenção de ativos na Indústria 4.0, com mais de 460 cenários, 5 agentes especialistas (IoT, FMSR, TSFM, Ordem de Serviço,...) e blueprints de orquestração multiagente (MetaAgent, AgentHive) via MCP.

    2.254+8Variação de estrelas nos últimos 7 dias
  • iTransformer@thuml

    Implementação oficial para "iTransformer: Inverted Transformers Are Effective for Time Series Forecasting" (ICLR 2024 Spotlight).

    2.201+0Variação de estrelas nos últimos 7 dias
  • TimeMixer@kwuking

    [ICLR 2024] Implementação oficial de "TimeMixer: Decomposable Multiscale Mixing for Time Series Forecasting"

    1.982+0Variação de estrelas nos últimos 7 dias
  • TFB@decisionintelligence

    [Indicação de Melhor Artigo no PVLDB 2024] TFB: Rumo a um Benchmarking Abrangente e Justo de Métodos de Previsão de Séries Temporais

    1.738+2Variação de estrelas nos últimos 7 dias
  • lag-llama@time-series-foundation-models

    Lag-Llama: Rumo a modelos de fundação para previsão probabilística de séries temporais

    1.601+0Variação de estrelas nos últimos 7 dias
  • uni2ts@SalesforceAIResearch

    Treinamento unificado de Transformers para previsão de séries temporais universais.

    1.583+3Variação de estrelas nos últimos 7 dias
  • skforecast@skforecast

    Biblioteca Python para previsão de séries temporais usando modelos compatíveis com scikit-learn, métodos estatísticos e modelos de fundação.

    1.530+1Variação de estrelas nos últimos 7 dias
  • Uma lista incrível (Awesome List) dos artigos e códigos mais recentes sobre séries temporais das principais conferências de IA.

    1.091+2Variação de estrelas nos últimos 7 dias
  • Lista de artigos, código e outros recursos.

    1.062+0Variação de estrelas nos últimos 7 dias
  • Resumo de trabalhos sobre séries temporais nas principais conferências de CS (NIPS, ICML, ICLR, KDD, AAAI, WWW, IJCAI, CIKM, ICDM, ICDE, etc.)

    1.035-5Variação de estrelas nos últimos 7 dias
  • Time-MoE@Time-MoE

    [ICLR 2025 Spotlight] Implementação oficial de "Time-MoE: Billion-Scale Time Series Foundation Models with Mixture of Experts"

    995+4Variação de estrelas nos últimos 7 dias
  • Time-series-prediction@LongxingTan

    tfts: Modelos de Deep Learning para Séries Temporais em TensorFlow.

    891+0Variação de estrelas nos últimos 7 dias
  • [TPAMI 2024] Recursos incríveis de GNNs para análise de séries temporais (GNN4TS)

    863+0Variação de estrelas nos últimos 7 dias
  • moment@moment-timeseries-foundation-model

    MOMENT: Uma família de modelos base abertos para séries temporais, ICML'24

    835+2Variação de estrelas nos últimos 7 dias
  • Recursos sobre previsão de séries temporais e deep learning.

    804+0Variação de estrelas nos últimos 7 dias
  • Previsão hierárquica probabilística 👑 com métodos estatísticos e econométricos.

    758+0Variação de estrelas nos últimos 7 dias
  • Recursos para trabalhar com séries temporais e dados de sequências

    698-1Variação de estrelas nos últimos 7 dias
  • eland@elastic

    Cliente Python e Toolkit para DataFrames, Big Data, Machine Learning e ETL no Elasticsearch

    693+1Variação de estrelas nos últimos 7 dias
  • load_forecasting@pyaf

    Previsão de carga de energia elétrica de Deli usando modelos ARIMA, RNN, LSTM e GRU

    647+1Variação de estrelas nos últimos 7 dias
  • timecopilot@TimeCopilot

    TimeCopilot: o agente de previsão de GenAI. Construído sobre LLMs e Modelos de Fundação de Séries Temporais, ele permite prever, validar de forma cruzada e detectar anomalias usando múltiplos modelos de fundação por meio de uma única API. De finanças e energia a web analytics, o TimeCopilot transforma consultas em linguagem natural em previsões prontas para produção.

    601+5Variação de estrelas nos últimos 7 dias
← Voltar para os tópicos