Awesome GitHub RepositoriesMulti-Dimensional Sequence Processing

tsai est une bibliothèque de deep learning pour la classification, la régression et la prévision de séries temporelles. Basée sur PyTorch et fastai, elle fournit un framework pour étiqueter des données séquentielles, prédire des valeurs futures dans des séquences univariées ou multivariées, et entraîner des représentations sur des données non étiquetées via l'apprentissage auto-supervisé. La bibliothèque se distingue par ses capacités spécialisées d'ingénierie temporelle et de mise à l'échelle. Elle inclut des outils d'encodage temporel cyclique pour capturer les tendances saisonnières et le découpage de fenêtres en ligne pour traiter des jeux de données dépassant la mémoire disponible. Elle prend également en charge des pipelines d'entrée multimodaux combinant des caractéristiques catégorielles statiques et des séquences continues dynamiques. La boîte à outils couvre un large éventail de besoins en prétraitement et évaluation, notamment la segmentation par fenêtre glissante, l'imputation de données manquantes et la conversion de dataframes tabulaires en tenseurs structurés. La performance des modèles est évaluée par validation croisée glissante et analyse de l'importance des caractéristiques pour garantir la cohérence temporelle.