مكتبة تعلم عميق للتنبؤ بالسلاسل الزمنية، والإسناد، والتصنيف، واكتشاف الحالات الشاذة.
تقييم وبناء نماذج التعلم العميق للتنبؤ بالسلاسل الزمنية، والإسناد، والتصنيف.
Time-Series-Library (TSLib) هو مستودع شفوي مفتوح المصدر مصمم للباحثين والمهندسين العاملين في تحليل السلاسل الزمنية العميقة. يغطي المهام الأساسية مثل التنبؤ طويل وقصير الأجل، والإسناد، واكتشاف الحالات الشاذة، والتصنيف.
تنفذ المكتبة نماذج متقدمة مثل TimeXer وTimeMixer وiTransformer وPatchTST وTimesNet، منظمة حول مهام ومقاييس مرجعية محددة. وتتضمن ميزات مخصصة للتنبؤ بدون تدريب مسبق باستخدام نماذج السلاسل الزمنية الكبيرة (LTSMs) وتكامل المتغيرات الخارجية.
تتناسب مع علماء البيانات ومهندسي التعلم العميق الذين يقومون بتطوير أو قياس أداء نماذج التعلم العميق للبيانات المتسلسلة. وهي غير مصممة لمحللي الأعمال الذين يبحثون عن واجهات رسومية للتنبؤ بدون برمجة.
تغطي التنبؤ طويل وقصير الأجل، والإسناد، واكتشاف الحالات الشاذة، والتصنيف.
تتضمن تطبيق نماذج TimeXer وiTransformer وPatchTST وTimesNet وMamba.
تتميز بسكربتات تجريبية لتقييم نماذج السلاسل الزمنية الكبيرة بدون تدريب مسبق.
تطبق نماذج مثل TimeXer للتعامل بكفاءة مع المتغيرات الخارجية أثناء التنبؤ.
مجانية بموجب ترخيص MIT، مع عدم توفر خيار مدفوع مستضاف. التكلفة الوحيدة هي تشغيل الأجهزة المطلوبة لتدريب التعلم العميق.
877 وظيفة مفتوحة عن بعد في تدريب الذكاء الاصطناعي، آخر تحديث ١٦ نوفمبر ٢٠٢٦؛ أجر معظمها $20–$175 في الساعة. منها 2 وظائف تطلب متحدثين بالعربية. يعرضها ذكائي مجانًا، والتقديم يتم على منصة جهة التوظيف.
تدعم TSLib التنبؤ طويل وقصير الأجل، والإسناد، واكتشاف الحالات الشاذة، والتصنيف.
لا، أعلن المشرفون أن إضافة الميزات النشطة متوقفة مؤقتاً بسبب محدودية الموارد.
شاهد Zekai أولاً في جوجل