Awesome GitHub RepositoriesZero-Shot Temporal Models

This PyTorch-based deep learning library provides a framework for analyzing and forecasting temporal data. It implements specialized architectures for time series forecasting, anomaly detection, data imputation, and classification. The project distinguishes itself through the inclusion of zero-shot inference capabilities, allowing large-scale temporal models to be evaluated on unseen datasets without requiring task-specific fine-tuning. The framework covers a broad range of analytical capabilities, including the recovery of missing values in incomplete datasets, the identification of irregul

Nixtla ist eine Zeitreihenanalyse-Plattform, die auf einem Transformer-basierten Foundation-Modell basiert. Sie bietet Zero-Shot-Inferenz für Prognosen und Anomalieerkennung, wodurch das System zukünftige Werte für neue Zeitreihen vorhersagen kann, ohne dass ein Modell-Retraining erforderlich ist. Das Projekt ist für Analysen im großen Maßstab konzipiert und nutzt verteilte Inferenz-Skalierung und Prognose-Parallelisierung, um Millionen von Datenreihen zu verarbeiten. Es unterstützt Fine-Tuning-Anpassungen, um vortrainierte Gewichte für domänenspezifische Datensätze anzupassen, und bietet Bereitstellungsoptionen, die von lokaler Ausführung und privaten Containern bis hin zur Integration als Stored Procedures innerhalb von Snowflake reichen. Die Funktionen umfassen Prognosen für lange Horizonte und intermittierende Nachfrage, What-if-Szenarioanalysen und die Quantifizierung von Prognoseunsicherheiten. Das System bietet zudem eine vollständige Data-Engineering-Pipeline zum Prüfen, Bereinigen und Anreichern von Zeitreihendaten mit exogenen Variablen und datumsbasierten Indikatoren. Die Modellzuverlässigkeit wird durch Cross-Validation-Backtesting, Validierung der Prognosegenauigkeit und Experiment-Tracking für Hyperparameter-Logging verwaltet.