time-series

Đối với các nhà phát triển đang xây dựng ứng dụng thời gian thực dựa trên dữ liệu, Redis là cache, server cấu trúc dữ liệu, và engine truy vấn tài liệu lẫn vector được ưa chuộng, nhanh nhất và có nhiều tính năng nhất.

Hệ thống giám sát Prometheus và cơ sở dữ liệu chuỗi thời gian.

Kho lưu trữ dữ liệu có khả năng mở rộng cho số liệu, sự kiện và phân tích thời gian thực

Cơ sở dữ liệu chuỗi thời gian hiệu suất cao, có thể mở rộng được thiết kế cho các kịch bản IIoT (Industrial IoT)

Cơ sở dữ liệu chuỗi thời gian cho phân tích thời gian thực hiệu năng cao được đóng gói dưới dạng một extension của Postgres

Agent dùng để thu thập, xử lý, tổng hợp và ghi lại các số liệu, nhật ký và dữ liệu tùy ý khác.

QuestDB là một cơ sở dữ liệu chuỗi thời gian hiệu suất cao, mã nguồn mở

Nightingale đối với giám sát và cảnh báo giống như Grafana đối với trực quan hóa.

Thư viện chứa các mô hình Deep Time Series nâng cao dành cho phân tích chuỗi thời gian tổng quát.

ML nhanh và chính xác chỉ trong 3 dòng code

📈 Biểu đồ nhỏ, nhanh cho chuỗi thời gian, đường, vùng, ohlc và thanh

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

Thư viện Python dùng để phát hiện bất thường trên dữ liệu dạng bảng, chuỗi thời gian, đồ thị, văn bản, hình ảnh và âm thanh. Hơn 60 bộ phát hiện, điều phối ADEngine dựa trên benchmark và quy trình làm việc tự động cho các AI agent.

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

Trích xuất tự động các đặc trưng liên quan từ chuỗi thời gian:

Công cụ backtesting mang lại cho bạn lợi thế vượt trội. Chạy hàng nghìn ý tưởng giao dịch trước khi người khác hoàn thành một.

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

Công cụ phát triển tất cả trong một dựa trên PaddlePaddle

Công cụ trực quan hóa chuỗi thời gian mà bạn xứng đáng có được.

Hệ thống biểu đồ thời gian thực có khả năng mở rộng cao

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

CrateDB là cơ sở dữ liệu SQL phân tán và có thể mở rộng để lưu trữ và phân tích lượng lớn dữ liệu gần như thời gian thực, ngay cả với các truy vấn phức tạp. Nó tương thích với PostgreSQL và dựa trên Lucene.

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 🚀.

Cơ sở dữ liệu tài liệu ACID

Tạo dữ liệu tổng hợp cho dữ liệu dạng bảng