TimeSeriesScientist 是模型训练领域的开源项目，由 Y-Research-SBU 开发，2025 年首次发布。
它收录于模型训练分类，该分类目前共有 518 个项目，GitHub 星标数为 173。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-21。MIT许可证，完全免费，可自行部署使用。
它主要面向的使用场景是：学术研究中的时间序列基线对比。同类可对比的替代方案包括 Prophet、AutoTS、sktime。
TimeSeriesScientist
一键搞定时间序列预测，省去繁琐调参
TimeSeriesScientist 是一个专注于时间序列预测的开源模型项目，旨在为科研和工程场景提供开箱即用的预测能力。它解决的是传统时间序列建模中特征工程繁琐、模型选型困难、调参成本高的问题，通过封装完整的建模流程，让用户能够快速获得可靠的预测结果。核心能力包括数据预处理、多种经典与前沿预测算法集成、自动超参数优化以及结果可视化。项目基于 Python 实现，接口简洁，适合作为基线模型或快速原型验证工具。目前项目处于早期阶段，文档和社区生态尚在建设中。
开源
free
开源模型
GitHub 星标
★ 173
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队Y-Research-SBU
所属国家
定价模式free
价格说明开源项目，MIT许可证，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型agentic-ai,large-language-models,time-series-analysis
GitHub 星标★ 173
30天Star增速
HF 下载量
上线时间2025-08-23 00:00:00
最近更新2026-09-21 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4
使用教程
核心亮点
- 集成多种时间序列算法，降低选型成本
- 提供自动化超参数优化，减少手动调参
- 接口简洁，快速上手，适合快速验证
不足之处
- 文档和社区生态待完善
- 早期项目，功能覆盖可能有限
适用场景
- 学术研究中的时间序列基线对比
- 业务预测快速原型验证
- 教学演示时间序列建模流程
替代项目
Prophet、AutoTS、sktime
项目介绍
上一篇：align-anything
下一篇：OmniQuant
同类项目推荐
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···