forecasting

Công cụ tạo dự báo chất lượng cao cho dữ liệu chuỗi thời gian có tính mùa vụ đa dạng với tăng trưởng tuyến tính hoặc phi tuyến tính.

Các tập lệnh Deep Learning tiên tiến được sắp xếp theo các mô hình - dễ huấn luyện và triển khai với độ chính xác và hiệu suất có thể tái tạo trên cơ sở hạ tầng cấp doanh nghiệp.

Statsmodels: mô hình hóa thống kê và kinh tế lượng trong Python

ML nhanh và chính xác chỉ trong 3 dòng code

Một framework thống nhất cho học máy với chuỗi thời gian (time series)

Thư viện Python hỗ trợ dự báo và phát hiện bất thường trên chuỗi thời gian một cách thân thiện với người dùng.

Postgres tích hợp GPU cho các ứng dụng ML/AI.

Kho lưu trữ GitHub cho bài báo "Informer" được chấp nhận bởi AAAI 2021.

Chuỗi thời gian Timeseries Học sâu Học máy Python Pytorch fastai | Thư viện học sâu tiên tiến nhất cho chuỗi thời gian và chuỗi trong Pytorch / fastai

Chronos: Các mô hình được huấn luyện trước cho việc dự đoán chuỗi thời gian

Mô hình hóa chuỗi thời gian xác suất bằng Python

Dự báo chuỗi thời gian với PyTorch

Dự báo cực kỳ nhanh chóng với các mô hình thống kê và kinh tế lượng.

NeuralProphet: Một thư viện dự báo đơn giản

Thuật toán dự báo neural :brain: có khả năng mở rộng và thân thiện với người dùng.

TimeGPT-1: Mô hình nền tảng chuỗi thời gian được huấn luyện trước sẵn sàng cho sản xuất để dự báo và phát hiện bất thường. Transformer huấn luyện trước tạo sinh cho chuỗi thời gian được đào tạo trên hơn 100 tỷ điểm dữ liệu. Khả năng dự đoán chính xác các lĩnh vực khác nhau như bán lẻ, điện lực, tài chính và IoT chỉ với vài dòng mã 🚀.

Danh sách các tài nguyên tuyệt vời được tuyển chọn chuyên nghiệp (bài báo, mã nguồn, dữ liệu, v.v.) về transformers trong chuỗi thời gian.

[AAAI-23 Oral] Mã nguồn chính thức của bài báo "Are Transformers Effective for Time Series Forecasting?"

Thư viện PyTorch học sâu dành cho dự báo chuỗi thời gian, phân loại và phát hiện bất thường (ban đầu dành cho dự báo lũ lụt).

Một gói Python dùng để dự báo Bayes với thiết kế hướng đối tượng và các mô hình xác suất bên dưới.

Một bộ công cụ/thư viện Python dành cho học máy/học sâu hướng thực tế & khai thác dữ liệu trên chuỗi thời gian quan sát một phần, với hơn 50 mô hình mạng nơ-ron SOTA cho các tác vụ phân tích khoa học (gán giá trị, phân loại, phân cụm, dự báo, phát hiện bất thường, làm sạch) trên chuỗi thời gian đa biến không hoàn chỉnh được lấy mẫu bất thường trong công nghiệp với các giá trị thiếu NaN

Một thư viện thống kê được thiết kế để lấp đầy khoảng trống trong các khả năng phân tích chuỗi thời gian của Python, bao gồm cả hàm tương đương với auto.arima của R.

Danh sách chuyên nghiệp gồm các Bài báo, Hướng dẫn và Khảo sát về AI cho Chuỗi Thời gian tại các hội nghị và tạp chí AI hàng đầu.

Lag-Llama: Hướng tới các mô hình nền tảng cho dự báo chuỗi thời gian xác suất

Đào tạo thống nhất các Transformer dự đoán chuỗi thời gian toàn cầu

Các mô hình ARCH trong Python

Thư viện Python hỗ trợ dự báo chuỗi thời gian bằng cách sử dụng các mô hình tương thích scikit-learn, các phương pháp thống kê và các mô hình nền tảng (foundation models)

Bộ công cụ học máy và học sâu cho chuỗi thời gian

Dự báo chuỗi thời gian tự động

Django Ledger là hệ thống kế toán kép và công cụ phân tích tài chính được xây dựng trên Django Web Framework.