KI-Tools, bewertet für deinen Beruf
Bezahlte KI-Jobs
🤝 Du bist in der Frei-&-Open-Source-Bibliothek — von der Community entwickelte Tools, die du kostenlos nutzen kannst. Ein anderes Konzept als unser bewertetes KI-Verzeichnis.
Start › Frei & Open Source › Logistik › sktime
✦ Frei & Open SourceLogistik

sktime

Ein einheitliches Python-Framework für maschinelles Lernen mit Zeitreihendaten.

Einheitliches Zeitreihen-Maschinelles-Lernen

Erstellen, optimieren und validieren Sie Zeitreihenmodelle mit scikit-learn-kompatiblen Werkzeugen.

Für immer kostenlos · Open Source · BSD-3-Clause
✓ Light setup✓ Im Browser✓ Echtzeit-Zusammenarbeit
7.8
ZEKAI
Unverzichtbar für Python-Prognosen
Frei & Open Source · Logistik
Einfache Einrichtung4
Nützlichkeit9
Wartung9.5
Community8.5
★ 10,075
GITHUB
Oct 2026
AKTUALISIERT
BSD-3-Clause
LIZENZ
🛠 Keine Lust auf Self-Hosting? Wir richten es ein →
⚡ Schnelle Antwort

sktime ist eine Python-Bibliothek, die eine einheitliche Schnittstelle für Zeitreihenanalyse-Aufgaben wie Prognosen, Klassifikation und Anomalieerkennung bietet. Sie eignet sich für Data Scientists und Supply-Chain-Analysten, die Vorhersagemodelle entwickeln.

Läuft auf
Cross-platform
Hosting
Desktop
Sprachen
Python
Lizenz
BSD-3-Clause

Was es ist

Es verbindet verschiedene Zeitreihen-Lernaufgaben durch dedizierte Algorithmen und Werkzeuge zum Aufbau zusammengesetzter Modelle wie Pipelining und Ensembling. Zudem lässt es sich mit Bibliotheken wie statsmodels, tsfresh, PyOD und fbprophet integrieren.

Für wen

Es eignet sich für Python-Entwickler und Data Scientists, die komplexe Supply-Chain-Prognose- oder Anomalieerkennungs-Pipelines erstellen. Es ist nicht geeignet für nicht-technische Benutzer, die grafische Software-Benutzeroberflächen benötigen.

Wichtige Funktionen

Einheitliche Prognoseschnittstelle

Bietet eine konsistente API für mehrere Prognosealgorithmen und -modelle.

Zusammengesetzter Modellbau

Unterstützt Pipelining, Ensembling, Tuning und Reduktion für Zeitreihenaufgaben.

Bibliotheksintegrationen

Verbindet sich mit scikit-learn, statsmodels, tsfresh, PyOD und fbprophet.

Erkennungsaufgaben

Enthält reifende Module zur Anomalie- und Changepoint-Erkennung.

Erste Schritte

Startklar in 3 Schritten

1
Installieren Sie das Paket über pip oder conda von PyPI oder conda-forge
2
Erkunden Sie die offiziellen Tutorials und Binder-Notebooks, um die API kennenzulernen
3
Erstellen Sie Ihre erste Zeitreihen-Pipeline mit scikit-learn-kompatiblen Schätzern
Klartext

Unser ehrliches Fazit

Stärken

  • Kompatibel mit scikit-learn-Entwurfsmustern und -Werkzeugen
  • Einheitliche Schnittstelle für Prognosen, Klassifikation und Clustering
  • Nahtlose Integration mit statsmodels, tsfresh und PyOD
  • Unterstützt komplexes Modell-Pipelining und Ensembling

Schwächen

  • Erfordert Kenntnisse in der Python-Programmierung
  • Erkennungsaufgaben befinden sich noch in der Reifung und können sich ändern
  • Keine grafische Benutzeroberfläche von Haus aus bereitgestellt
Kosten

Preise & Lizenz

Kostenlos unter der BSD-3-Clause-Lizenz. Die einzigen Kosten entstehen durch den Eigenbetrieb in Ihrer eigenen Python-Umgebung.

Bezahlte Arbeit

Stellen für Deutschsprachige

877 offene Remote-Stellen im KI-Training, aktualisiert am 16. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.

Alle offenen Stellen ansehen →
Vergleich

Alternativen

🎁 Freie & Open-Source-Alternativen
Mehr

Nutze es, oder lass es uns einrichten

📄 Kostenloses PDF: sktime für Logistik
Ein verständlicher Leitfaden für dein erstes Ergebnis. Direkt in dein Postfach.
🔔 64 Personen wünschen sich ein komplettes Video-Tutorial — stimme ab
🛠 Keine Lust auf eigene Einrichtung?
Wir installieren, hosten & konfigurieren sktime für dich — und schulen dein Team.
Erledigen lassen ↗
Fragen

FAQ

Welche Aufgaben unterstützt sktime?

Es unterstützt Prognosen, Zeitreihenklassifikation, Regression, Transformationen, Clustering, Anomalieerkennung und Changepoint-Erkennung.

Ist sktime mit scikit-learn kompatibel?

Ja, es verwendet scikit-learn-kompatible Werkzeuge und Entwurfsmuster, um Modelle zu erstellen, zu optimieren und zu validieren.

Radar

Neueste KI-News

✉️ Das wöchentliche kostenlose Toolkit
Die besten neuen freien & Open-Source-Tools für Logistik — eine kurze E-Mail pro Woche, in deiner Sprache.
Kostenlos · 1 E-Mail/Woche · jederzeit abbestellbar
Mit KI-Training Geld verdienen →

Zekai zuerst in Google sehen