time-series
本站收录 36 个带「time-series」标签的 AI 开源项目
redisRedis 是一个开源的内存数据结构存储系统，常被用作数据库、缓存和消息代理。它支持字符串、哈希、列表、集合、有序集合等多种数据结构，并提供丰富的数据操作命令。★ 76,547
prometheusPrometheus 是一个开源的系统监控和告警工具包，最初由 SoundCloud 开发，现为 CNCF 的毕业项目。它解决了在动态云原生环境中收集、存储和查★ 66,307
autogluonAutoGluon 是一个自动化机器学习（AutoML）库，旨在用三行代码实现快速且准确的模型训练。它解决了传统机器学习中模型选择、超参数调优和特征工程耗时费力★ 10,754
pyodPyOD是一个专注于异常检测的Python库，覆盖表格、时间序列、图、文本、图像和音频等多种数据类型，内置60多种检测算法，包括经典的LOF、IForest以及★ 10,020
chronos-forecastingChronos是一个基于Transformer架构的预训练时间序列预测模型库，由Amazon Science团队开发。它解决了传统时间序列预测模型需要针对每个数★ 5,926
nixtlaNixtla 是一个专注于时间序列预测与异常检测的开源项目，其核心是 TimeGPT-1，一个生产级的预训练时间序列基础模型。该模型基于生成式预训练 Trans★ 4,017
SDVSDV（Synthetic Data Vault）是一个用于表格数据合成生成的Python库，旨在解决真实数据隐私保护、数据稀缺和测试数据获取难的问题。它提供了★ 3,567
Time-LLMTime-LLM 是一个面向时间序列预测的开源模型，其核心思路是“重编程”大型语言模型（LLM），将时间序列数据转化为文本原型，从而利用 LLM 强大的模式识别★ 2,701
deepdetectdeepdetect 是一个开源的深度学习服务器和命令行工具，最初由 Jolibrain 开发，旨在简化深度学习模型的部署和服务化。它支持多种深度学习框架，包括★ 2,551
fg-data-syntheticfg-data-synthetic 是一个专注于表格数据和时间序列数据合成的开源工具库。它利用生成对抗网络（GAN）等深度学习技术，解决真实数据获取成本高、隐私★ 1,659
lag-llamaLag-Llama 是一个基于 LLaMA 架构的开源概率时间序列预测基础模型，由 Arjun Ashok 等人开发。它通过引入滞后特征（lag feature★ 1,600
skforecastskforecast 是一个基于 Python 的时间序列预测库，它允许用户直接使用 scikit-learn 兼容的机器学习模型（如随机森林、XGBoost、★ 1,537
Large-Time-Series-ModelTimer 是一个面向时间序列预测的大规模预训练模型项目，由 ICML 2024 论文团队开源。它解决传统时间序列模型难以跨领域泛化、需要针对每个数据集单独训练★ 1,020
momentMOMENT 是一个开源的时间序列基础模型家族，来自 ICML'24 论文。它解决的是通用时间序列预测、分类、异常检测等任务中缺乏统一预训练模型的问题。核心能力★ 850
UniTSUniTS是一个统一的多任务时间序列模型，旨在解决传统时间序列模型只能处理单一任务（如预测、分类或异常检测）的问题。它通过一个统一的网络架构，支持分类、回归、预★ 648
LLM4TSLLM4TS 是一个专注于时间序列领域的大语言模型与基础模型资源整合项目。它系统性地收集、分类和整理了近年来涌现的各类基于大语言模型（LLM）和基础模型（Fou★ 566
TOTEMTOTEM 是一个面向通用时间序列分析的开源模型，核心思路是将连续的时间序列数据离散化为 token（令牌），从而将时间序列分析任务统一转化为类似自然语言处理的★ 373
Comprehensive-Data-Science-AI-Project-Portfolio这是一个精选的AI、数据工程和DevOps项目合集，包含真实世界应用、先进技术和教程，面向数据科学和机器学习的学习者与实践者。项目以Jupyter Notebo★ 351
TSB-ADTSB-AD 是一个面向时间序列异常检测的开源基准与工具箱，提供统一的算法实现、数据集加载和评测流程。它解决的核心问题是：时间序列异常检测领域算法众多、数据集分★ 335
Awesome_MambaAwesome_Mamba 是一个关于状态空间模型（State Space Models, SSMs）在医学图像分析中应用的综合性综述项目，聚焦于计算高效时代的★ 270
TSLANetTSLANet 是一个面向时间序列任务的轻量级基础模型，发表于 ICML 2024。它结合卷积操作与自适应频谱分析，旨在统一处理分类、回归、异常检测和插补等多种★ 267
data_science_blogs这是一个数据科学博客的配套代码仓库，作者将博客文章中涉及的所有代码集中管理。项目主要解决博客读者无法直接获取可运行代码的问题，提供从数据预处理、机器学习建模到可★ 252
time-series-ptms这是一个时间序列预训练模型（PTMs）的官方实现代码库，对应TKDE-24论文《A Survey on Time-Series Pre-Trained Mode★ 230
pandapanda 是一个面向非线性动力学系统的开源模型，基于“修补注意力”（Patched Attention）机制，相关论文已被 ICLR 2026 接收。它解决的★ 175
predictive-maintenance这是一个面向预测性维护（Predictive Maintenance）场景的开源数据集集合，主要服务于设备故障预测、异常检测和剩余寿命估计等工业AI任务。项目以★ 172
ChatTimeChatTime 是 AAAI 2025 oral 论文的官方 PyTorch 实现，定位为统一的多模态时间序列基础模型，旨在桥接数值数据与文本数据。它解决的核★ 168
mantisMantis 是一个面向时间序列分类任务的轻量级基础模型，旨在解决传统时间序列模型依赖大量标注数据、泛化能力弱的问题。它采用预训练+微调范式，通过在大规模时间序★ 147
TABTAB 是一个面向时间序列异常检测（TSAD）方法的统一基准测试框架，相关论文被 PVLDB 2025 接收。它解决当前异常检测领域缺乏公平、全面评估平台的问题★ 144
TEMPOTEMPO 是一个基于提示词（prompt）的生成式预训练Transformer模型，专为时间序列预测任务设计，是ICLR 2024的官方开源实现。它针对传统时★ 143
DeepEchoDeepEcho 是一个专注于混合类型、多变量时间序列数据的合成数据生成库。它解决的是在数据隐私保护、数据增强和模型开发中，真实时间序列数据难以获取或使用受限的★ 125
MM4TSAMM4TSA 是一个专注于多模态时间序列分析（Multi-Modalities for Time Series Analysis）的论文与资源清单项目。它系统整★ 90
AuroraAurora 是一个面向通用多模态时间序列预测的开源模型，由 ICLR 2026 论文提出。它旨在解决传统时间序列模型难以同时处理数值、文本、图像等多种模态数据★ 80
med-ts-llmMedTsLLM 是一个面向多模态医疗时间序列分析的开源项目，旨在利用大语言模型（LLM）处理医疗场景中的时序数据（如生命体征、实验室指标等）。它解决的核心问题★ 67
GTTGTT 是 CIKM '24 论文的官方代码库，实现了一个基于编码器架构的通用时间 Transformer 基础模型，专为零样本多变量时间序列预测设计。它解决了★ 67
Time-Series-Reasoning-Survey这是一个关于时间序列与大语言模型结合的研究综述项目，收录于TMLR 2026。项目系统梳理了推理（Reasoning）和智能体（Agentic）系统在时间序列分★ 57
TimeCAPTimeCAP 是 AAAI 2025 论文的开源代码，旨在利用大语言模型智能体对时间序列事件进行上下文理解、数据增强和预测。它解决传统时间序列模型难以融合外部★ 57