time-series-anomaly-detection

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.

Các hướng dẫn Jupyter Notebook về giải quyết vấn đề thực tế bằng Machine Learning và Deep Learning sử dụng PyTorch. Các chủ đề: Nhận diện khuôn mặt với Detectron 2, Phát hiện bất thường chuỗi thời gian với LSTM Autoencoders, Phát hiện đối tượng với YOLO v5, Xây dựng mạng neural đầu tiên, Dự báo chuỗi thời gian cho ca nhiễm Coronavirus hàng ngày, Phân tích cảm sentiment với BERT

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

[TPAMI 2024] Tài nguyên tổng hợp về GNN cho phân tích chuỗi thời gian (GNN4TS)

MOMENT: Một dòng mô hình nền tảng chuỗi thời gian mở, ICML'24.

Mô hình hóa chuỗi thời gian sâu dễ sử dụng dựa trên PaddlePaddle, bao gồm các mô-đun chức năng toàn diện như TSDataset, Analysis, Transform, Models, AutoTS và Ensemble, hỗ trợ các tác vụ đa dạng như dự báo chuỗi thời gian, học biểu diễn và phát hiện bất thường, với tính năng theo dõi nhanh các mô hình sâu SOTA.