time-series

Um sistema de monitoramento e regulação ambiental

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.

Kit de ferramentas de aprendizado de máquina para análise de séries temporais em Python

Lista de ferramentas e conjuntos de dados para detecção de anomalias em dados de séries temporais.

Uma lista curada profissionalmente de recursos incríveis (artigos, código, dados, etc.) sobre transformers em séries temporais.

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

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

Servidor de Deep Learning e CLI para Torch e TensorRT

Algoritmos para detecção de outliers, adversários e drift.

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

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.

Sobre a liberação de código para "Autoformer: Decomposition Transformers with Auto-Correlation for Long-Term Series Forecasting" (NeurIPS 2021), https://arxiv.org/abs/2106.13008

GridDB é um banco de dados open source de próxima geração que torna o IoT de séries temporais e big data rápidos e fáceis.

Framework de código aberto para processamento, monitoramento e alerta de dados de séries temporais

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

Um pacote Python para previsão bayesiana com design orientado a objetos e modelos probabilísticos subjacentes.

Um kit de ferramentas/biblioteca Python para aprendizado de máquina/profundo e mineração de dados centrados na realidade em séries temporais parcialmente observadas, com mais de 50 modelos de redes neurais SOTA para tarefas de análise científica (imputação, classificação, agrupamento, previsão, detecção de anomalias, limpeza) em séries temporais multivariadas industriais irregularmente amostradas com valores ausentes NaN.

Crane é uma plataforma FinOps para análise de recursos em nuvem e economia em clusters Kubernetes. O objetivo não é apenas ajudar os usuários a gerenciar custos de nuvem com mais facilidade, mas também garantir a qualidade das aplicações.

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

Uma caixa de ferramentas Python para obter insights geométricos sobre dados de alta dimensão.

Um pacote Python para classificação de séries temporais

Repositório de código para Liquid Time-Constant Networks (LTCs)

Um benchmark e kit de ferramentas de previsão de séries temporais justo e escalável.

Um banco de dados de séries temporais distribuído, open source e cloud-native, com alto desempenho, alta taxa de compressão e alta disponibilidade.

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

Uma biblioteca estatística projetada para preencher a lacuna nas capacidades de análise de séries temporais do Python, incluindo o equivalente à função auto.arima do R.

Uma curadoria de recursos sobre Inteligência Artificial, Machine Learning e Deep Learning, incluindo notas de estudo e uma lista selecionada de materiais sobre esses temas.

Descoberta causal em Python. Aprendendo causalidade a partir de dados.

Geradores de dados sintéticos para dados tabulares e séries temporais

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