6 مستودعات
Awesome GitHub RepositoriesTime Series Model Training
Training procedures specifically for fitting deep learning models to temporal sequences.
Distinct from Sequence Model Training: Focuses on the training process for time series specifically, rather than general sequence models like CRFs.
Explore 6 awesome GitHub repositories matching artificial intelligence & ml · Time Series Model Training. Refine with filters or upvote what's useful.
Awesome Time Series Model Training GitHub Repositories
اعثر على أفضل المستودعات باستخدام الذكاء الاصطناعي.سنبحث عن أفضل المستودعات المطابقة باستخدام الذكاء الاصطناعي.
- timeseriesai/tsai
timeseriesAI/tsai
6,081عرض على GitHubtsai هي مكتبة تعلم عميق لتصنيف السلاسل الزمنية، والانحدار، والتنبؤ. بُنيت المكتبة على PyTorch و fastai، وتوفر إطار عمل لتعيين التصنيفات للبيانات المتسلسلة، والتنبؤ بالقيم المستقبلية في السلاسل أحادية أو متعددة المتغيرات، وتدريب التمثيلات على البيانات غير المصنفة من خلال التعلم الذاتي. تتميز المكتبة بقدرات متخصصة في الهندسة الزمنية والتحجيم. وتتضمن أدوات للترميز الزمني الدوري لالتقاط الأنماط الموسمية، وتقطيع النوافذ عبر الإنترنت لمعالجة مجموعات البيانات التي تتجاوز حجم الذاكرة المتاحة. كما تدعم خطوط أنابيب الإدخال متعددة الوسائط التي تجمع بين الميزات الفئوية الثابتة والسلاسل المستمرة الديناميكية. تغطي مجموعة الأدوات نطاقاً واسعاً من احتياجات المعالجة المسبقة والتقييم، بما في ذلك تجزئة النافذة المنزلقة، ومعالجة البيانات المفقودة، وتحويل إطارات البيانات الجدولية إلى موترات مهيكلة. يتم تقييم أداء النموذج من خلال التحقق عبر التمرير الأمامي وتحليل أهمية الميزات لضمان الاتساق الزمني.
Builds and trains deep learning models for classification and regression using sequence-based data.
Jupyter Notebook - awslabs/gluon-ts
awslabs/gluon-ts
5,200عرض على GitHubGluonTS هو إطار عمل للتنبؤ بالسلاسل الزمنية الاحتمالية، مصمم للتنبؤ بالقيم المستقبلية كتوزيعات احتمالية مع فترات ثقة. يدعم كلاً من تدريب النموذج التقليدي والتنبؤ بدون تدريب مسبق (zero-shot)، حيث تولد النماذج المدربة مسبقاً تنبؤات لسلاسل جديدة دون تدريب إضافي. يتميز المشروع بدمج مجموعة واسعة من نهج التنبؤ في سير عمل موحد. يتضمن ذلك بنى التعلم العميق مثل الشبكات العصبية المتكررة والالتفافات السببية، بالإضافة إلى دمج النماذج الإحصائية الخارجية، ومكتبة Prophet، وحزم R. توفر مجموعة الأدوات سطحاً شاملاً لهندسة بيانات السلاسل الزمنية، وتغطي توسيع مجموعة البيانات، والتقسيم، وتحويل البيانات الزمنية الخام إلى موترات (tensors). كما تتضمن مجموعة من أدوات التقييم لقياس دقة التنبؤ وفترات عدم اليقين، بالإضافة إلى أدوات لاستمرارية مجموعة البيانات باستخدام تنسيقات مثل Arrow و Parquet. يدعم إطار العمل نشر نماذج التنبؤ داخل البنية التحتية السحابية.
Provides procedures for fitting deep learning models, such as LSTMs and CNNs, to historical time series data.
Python - awslabs/gluonts
awslabs/gluonts
5,199عرض على GitHubGluonTS هي مكتبة سلاسل زمنية احتمالية وإطار عمل للتنبؤ بالتعلم العميق. توفر مجموعة أدوات لبناء وتدريب وتقييم بنى الشبكات العصبية التي تتنبأ بالقيم المستقبلية كتوزيعات احتمالية لتحديد عدم اليقين. يتميز المشروع بدعم التنبؤ بدون تدريب مسبق (zero-shot) ودمج نهج نمذجة متنوعة، بما في ذلك الشبكات العصبية الاحتمالية العميقة وأغلفة للمكتبات الإحصائية الخارجية مثل Prophet و R forecast. ينفذ بدائيات معمارية متخصصة مثل الالتفافات السببية والشبكات المتبقية القابلة للعكس لمنع تسرب المعلومات وتعيين التمثيلات الكامنة في توزيعات احتمالية صالحة. يغطي إطار العمل سطح هندسة بيانات شاملاً، بما في ذلك توسيع السلاسل الزمنية، والتحويلات التقابلية، والنمذجة الهرمية. يستخدم Apache Arrow و Parquet لبث مجموعة البيانات عالي الأداء وإدارة الوصول العشوائي. لتقييم النموذج، يتضمن جناح تقييم لقياس دقة التنبؤ والتغطية الاحتمالية باستخدام مقاييس مثل خسارة الكمية ودرجات رتبة الاحتمال المستمرة. تدعم المكتبة نشر النموذج من خلال التكامل مع Amazon SageMaker.
Implements training procedures for fitting deep learning models to historical temporal sequences.
Pythonartificial-intelligenceawsdata-science - jdb78/pytorch-forecasting
jdb78/pytorch-forecasting
4,933عرض على GitHubهذا إطار عمل للتعلم العميق للتنبؤ بالقيم المستقبلية في البيانات المتسلسلة باستخدام معماريات PyTorch. يوفر مجموعة أدوات للتنبؤ بالسلاسل الزمنية طويلة المدى والاحتمالية، مع دمج خط أنابيب بيانات لتحويل إطارات البيانات الجدولية إلى تسلسلات لتدريب التعلم العميق الخاضع للإشراف. تستخدم المكتبة غلاف تدريب لتوسيع نطاق تنفيذ النموذج عبر وحدات المعالجة المركزية (CPUs) ووحدات معالجة الرسومات (GPUs). تدعم توليد توزيعات احتمالية للنتائج المستقبلية بدلاً من تقديرات النقطة الواحدة لتحديد عدم اليقين في التنبؤ. يتضمن إطار العمل قدرات لتنفيذ نماذج التنبؤ، وتحسين المعلمات الفائقة، وتقييم الدقة من خلال مقاييس متعددة الآفاق. كما يوفر طرقًا لقياس أداء المعماريات المعقدة مقابل نماذج أساسية بسيطة.
Implements deep learning architectures specifically designed for fitting and predicting temporal sequences.
Python - salesforce/merlion
salesforce/Merlion
4,476عرض على GitHubMerlion هو إطار عمل لتعلم الآلة للسلاسل الزمنية مصمم للكشف عن الشذوذ والتنبؤ. يوفر واجهة موحدة لتنفيذ وتطبيق نماذج إحصائية ونماذج تعلم آلي متنوعة على تدفقات البيانات الزمنية. يتضمن المشروع لوحة تحكم للمقارنة المعيارية تسمح بالاختبار المرئي وتقييم النماذج مقابل مجموعات بيانات الحقيقة الأرضية التاريخية. تتيح واجهة الويب هذه تجربة نماذج مختلفة على مجموعات بيانات مخصصة دون الحاجة إلى برمجة يدوية. يغطي إطار العمل قدرات تحديد القيم المتطرفة، والتنبؤ بقيم السلاسل الزمنية المستقبلية، وقياس دقة النموذج من خلال الاختبار الخلفي القائم على المحاكاة لدورات تدريب الإنتاج.
Provides a visual dashboard to test machine learning models on custom datasets without manual coding.
Pythonanomaly-detectionautomlbenchmarking - ourownstory/neural_prophet
ourownstory/neural_prophet
4,284عرض على GitHubNeural Prophet هي مكتبة تنبؤ بالسلاسل الزمنية تعتمد على PyTorch مصممة للتعلم الآلي القابل للتفسير. تعمل كإطار عمل للتحلل يكسر الإشارات إلى أجزاء مكونة مثل التأثيرات ذاتية الانحدار، والاتجاهات الخطية المجزأة، والموسمية القائمة على Fourier للتنبؤ بالقيم المستقبلية. يتميز المشروع بدمج الشبكات العصبية مع الخوارزميات التقليدية لإنتاج تنبؤات تشرح محركات الاتجاه الأساسية. يتميز بنهج نمذجة السلاسل الزمنية العالمية، مما يسمح بتدريب نموذج واحد عبر سلاسل متزامنة متعددة لمشاركة الأنماط المتعلمة مع الحفاظ على الخصوصيات المحلية. بالإضافة إلى ذلك، تعمل كأداة لتحديد كمية عدم اليقين، باستخدام انحدار الكميات والتنبؤ المطابق لتوليد فترات تنبؤ موثوقة. توفر المكتبة مجموعة شاملة من القدرات لإدارة البيانات، بما في ذلك استرجاع العطلات، وملء الفجوات، والتطبيع. تغطي دورة حياة النمذجة الكاملة مع تحسين المعلمات الفائقة المؤتمت، واكتشاف نقاط تغيير الاتجاه، ودمج المتغيرات التفسيرية المستقبلية والمتأخرة. يتم دعم التحليل من خلال تحلل التنبؤ وإسناد المدخلات لتصور كيفية تأثير عوامل معينة على التنبؤات النهائية.
Supports local model training to capture unique trends and seasonality for individual time series entities.
Pythonartificial-intelligenceautoregressiondeep-learning
