time-series

TimeCopilot: Tác nhân dự báo GenAI. Được xây dựng trên LLM và Time Series Foundation Models, nó cho phép bạn dự báo, kiểm định chéo và phát hiện bất thường bằng nhiều mô hình nền tảng thông qua một API duy nhất. Từ tài chính và năng lượng đến phân tích web, TimeCopilot biến các truy vấn ngôn ngữ tự nhiên thành các dự báo sẵn sàng cho sản xuất.

Công cụ báo cáo cho Django. Tạo trang quản trị (dashboard) cũng như các báo cáo và biểu đồ độc lập.

Kho lưu trữ của bài báo "A Systematic Evaluation of Deep Anomaly Detection Methods for Time Series".

Triển khai soft-DTW bằng Python.

Đã ngừng phát triển, hiện đã có trong sktime - gói bổ trợ cho học sâu dựa trên TensorFlow

Modeltime mở khóa các mô hình dự báo chuỗi thời gian và học máy trong một khung làm việc duy nhất

Phân tích chuỗi thời gian cho Rust, với các liên kết (bindings) tới Python và Javascript

Bộ sưu tập các tập dữ liệu công nghiệp công khai

Phát hành mã nguồn cho "Non-stationary Transformers: Exploring the Stationarity in Time Series Forecasting" (NeurIPS 2022), https://arxiv.org/abs/2205.14415

Các mô hình ngôn ngữ lớn và mô hình nền tảng cho chuỗi thời gian.

Các triển khai, mã tiền huấn luyện và tập dữ liệu cho các mô hình chuỗi thời gian lớn.

Khảo sát toàn diện về các lĩnh vực chuỗi thời gian

Kho lưu trữ này chứa danh sách các bài báo về Phân đoạn chuỗi thời gian. Kho lưu trữ này vẫn đang được cải thiện liên tục.

Một gói thân thiện để phân tích chuỗi thời gian Kepler & TESS trong Python.

Học đối chiếu tự giám sát cho chuỗi thời gian thông qua tính nhất quán thời gian-tần số

Hướng dẫn về kinh tế lượng sử dụng lập trình Python. Đây là khóa học cấp tốc để ôn tập các khái niệm và kỹ thuật quan trọng nhất của kinh tế lượng cơ bản, lý thuyết được trình bày đơn giản và mã Python trực quan.

Gói Python để nhận dạng hệ thống sử dụng mô hình NARMAX

SiriDB là cơ sở dữ liệu chuỗi thời gian có khả năng mở rộng cao, mạnh mẽ và cực nhanh. Được xây dựng từ đầu, SiriDB sử dụng cơ chế độc đáo để vận hành mà không cần chỉ mục toàn cục và cho phép thêm tài nguyên máy chủ ngay lập tức. Ngôn ngữ truy vấn độc đáo của SiriDB bao gồm tính năng nhóm chuỗi thời gian động để dễ dàng phân tích lượng lớn dữ liệu chuỗi thời gian.

Triển khai chính thức bằng PyTorch cho bài báo "SAITS: Self-Attention-based Imputation for Time Series". Một mô hình mạng thần kinh học sâu nhanh và hiện đại (SOTA) để xử lý dữ liệu chuỗi thời gian bị thiếu (điền các giá trị NaN trong chuỗi thời gian đa biến bằng học máy). https://arxiv.org/abs/2202.08516