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 › Time-Series-Library
✦ Frei & Open SourceLogistik

Time-Series-Library

Deep-Learning-Bibliothek für Zeitreihen-Prognose, Imputation, Klassifizierung und Anomalieerkennung.

Erweiterte Deep-Time-Series-Bibliothek

Evaluieren und Erstellen von Deep-Learning-Modellen für Zeitreihen-Prognose, Imputation und Klassifizierung.

Für immer kostenlos · Open Source · MIT
✓ Needs IT✓ Im Browser✓ Echtzeit-Zusammenarbeit
7.4
ZEKAI
Solide Deep-Learning-Benchmark-Codebasis
Frei & Open Source · Logistik
Einfache Einrichtung6
Nützlichkeit8
Wartung7
Community8.5
★ 13,003
GITHUB
Apr 2026
AKTUALISIERT
MIT
LIZENZ
🛠 Keine Lust auf Self-Hosting? Wir richten es ein →
⚡ Schnelle Antwort

Time-Series-Library (TSLib) ist eine Open-Source-Codebasis für Forscher und Ingenieure, die mit Deep-Zeitreihenanalysen arbeiten. Sie deckt gängige Aufgaben wie kurz- und langfristige Prognosen, Imputation, Anomalieerkennung und Klassifizierung ab.

Läuft auf
Cross-platform
Hosting
Self-host
Sprachen
Python
Lizenz
MIT

Was es ist

Die Bibliothek implementiert fortgeschrittene Modelle wie TimeXer, TimeMixer, iTransformer, PatchTST und TimesNet, organisiert nach spezifischen Aufgaben und Benchmarks. Sie enthält spezialisierte Funktionen für Zero-Shot-Prognosen mit Large Time Series Models (LTSMs) und die Integration exogener Variablen.

Für wen

Sie eignet sich für Data Scientists und Machine-Learning-Ingenieure, die Deep-Learning-Modelle für sequenzielle Daten entwickeln oder als Benchmark nutzen. Sie ist nicht für Business Analysts gedacht, die grafische Prognoseschnittstellen ohne Code suchen.

Wichtige Funktionen

Fünf gängige Aufgaben

Deckt kurz- und langfristige Prognosen, Imputation, Anomalieerkennung und Klassifizierung ab.

State-of-the-Art-Modelle

Enthält Implementierungen von TimeXer, iTransformer, PatchTST, TimesNet und Mamba.

Zero-Shot-Prognosen

Bietet experimentelle Skripte zur Evaluierung von Large Time Series Models ohne vorheriges Training.

Unterstützung exogener Variablen

Implementiert Paradigmen wie TimeXer zur effizienten Handhabung externer Variablen bei Prognosen.

Erste Schritte

Startklar in 3 Schritten

1
Klone das Time-Series-Library-Repository von GitHub.
2
Installiere die erforderlichen Python-Abhängigkeiten und optionalen Module wie mamba_ssm, falls erforderlich.
3
Führe die bereitgestellten Shell-Skripte im Skripte-Verzeichnis aus, um das Modelltraining und die Evaluierung durchzuführen.
Klartext

Unser ehrliches Fazit

Stärken

  • Bietet verifizierte Implementierungen erstklassiger akademischer Zeitreihenmodelle.
  • Enthält standardisierte Evaluierungsskripte und Benchmark-Bestenlisten.
  • Unterstützt Zero-Shot-Prognose-Workflows für Large Time Series Models.
  • Pflegt strukturierte Baselines über mehrere Zeitreihenanalyse-Aufgaben hinweg.

Schwächen

  • Die Maintainer haben begrenzte Kapazitäten, was bedeutet, dass das Hinzufügen neuer Funktionen pausiert ist.
  • Viele bestehende Benchmarks sind möglicherweise gesättigt oder für die aktuelle Forschung weniger aussagekräftig.
  • Erfordert das Schreiben von Python-Code und die manuelle Handhabung von Deep-Learning-Abhängigkeiten.
Kosten

Preise & Lizenz

Kostenlos unter der MIT-Lizenz, ohne kostenpflichtige gehostete Option. Die einzigen Kosten entstehen durch den Betrieb der für das Deep-Learning-Training erforderlichen Hardware.

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

Mehr

Nutze es, oder lass es uns einrichten

📄 Kostenloses PDF: Time-Series-Library 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 Time-Series-Library für dich — und schulen dein Team.
Erledigen lassen ↗
Fragen

FAQ

Welche Aufgaben unterstützt TSLib?

TSLib unterstützt kurz- und langfristige Prognosen, Imputation, Anomalieerkennung und Klassifizierung.

Werden aktiv neue Funktionen hinzugefügt?

Nein, die Maintainer haben angekündigt, dass das Hinzufügen neuer Funktionen aufgrund begrenzter Kapazitäten pausiert.

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