2 रिपॉजिटरी
Awesome GitHub RepositoriesZero-Shot Temporal Models
Large-scale models capable of forecasting or classifying temporal data without task-specific fine-tuning.
Distinct from Zero-Shot Classification Models: Specializes zero-shot classification for temporal/time-series data specifically
Explore 2 awesome GitHub repositories matching artificial intelligence & ml · Zero-Shot Temporal Models. Refine with filters or upvote what's useful.
Awesome Zero-Shot Temporal Models GitHub Repositories
AI के साथ बेहतरीन रिपॉजिटरी खोजें।हम AI का उपयोग करके सबसे सटीक रिपॉजिटरी खोजेंगे।
- thuml/time-series-library
thuml/Time-Series-Library
12,494GitHub पर देखेंThis 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
Implements a framework for evaluating large-scale temporal models on unseen datasets without task-specific fine-tuning.
Python - nixtla/nixtla
Nixtla/nixtla
3,932GitHub पर देखेंNixtla एक टाइम सीरीज एनालिसिस प्लेटफॉर्म है जो ट्रांसफार्मर-आधारित फाउंडेशन मॉडल पर केंद्रित है। यह फोरकास्टिंग और विसंगति का पता लगाने (anomaly detection) के लिए ज़ीरो-शॉट इन्फरेंस प्रदान करता है, जिससे सिस्टम को मॉडल रिट्रेनिंग की आवश्यकता के बिना नई टाइम सीरीज के लिए भविष्य के मूल्यों की भविष्यवाणी करने की अनुमति मिलती है। यह प्रोजेक्ट बड़े पैमाने पर विश्लेषण के लिए डिज़ाइन किया गया है, जो लाखों डेटा सीरीज को प्रोसेस करने के लिए डिस्ट्रीब्यूटेड इन्फरेंस स्केलिंग और फोरकास्ट पैरेललाइजेशन का उपयोग करता है। यह डोमेन-विशिष्ट डेटासेट्स के लिए प्रीट्रेन्ड वेट्स को समायोजित करने के लिए फाइन-ट्यूनिंग एडेप्टेशन का समर्थन करता है और स्थानीय निष्पादन व प्राइवेट कंटेनर्स से लेकर Snowflake के भीतर स्टोर्ड प्रोसीजर्स के रूप में एकीकरण तक के डिप्लॉयमेंट विकल्प प्रदान करता है। क्षमताओं में लंबी-अवधि और रुक-रुक कर मांग का पूर्वानुमान, वॉट-इफ परिदृश्य विश्लेषण, और भविष्यवाणी अनिश्चितता परिमाणीकरण शामिल हैं। यह सिस्टम एक्सोजेनस वेरिएबल्स और तिथि-आधारित संकेतकों के साथ टाइम सीरीज डेटा को ऑडिट करने, साफ करने और समृद्ध करने के लिए एक पूर्ण डेटा इंजीनियरिंग पाइपलाइन भी प्रदान करता है। मॉडल विश्वसनीयता को क्रॉस-वैलिडेशन बैकटेस्टिंग, फोरकास्ट एक्यूरेसी वैलिडेशन, और हाइपरपैरामीटर लॉगिंग के लिए एक्सपेरिमेंट ट्रैकिंग के माध्यम से प्रबंधित किया जाता है।
Predicts future values for new time series without requiring retraining by leveraging a pretrained foundation model.
Jupyter Notebookagentagentic-aianomaly-detection
