Herramientas de IA puntuadas para tu trabajo
Gana entrenando IA
🤝 Estás en la biblioteca Gratis y Open Source — herramientas creadas por la comunidad que puedes usar sin pagar. Un concepto distinto a nuestro directorio de IA puntuado.
Inicio › Gratis y Open Source › Logística › sktime
✦ Gratis y open sourceLogística

sktime

Un framework de Python unificado para el aprendizaje automático con datos de series temporales.

Aprendizaje automático unificado para series temporales

Construye, ajusta y valida modelos de series temporales utilizando herramientas compatibles con scikit-learn.

Gratis para siempre · open source · BSD-3-Clause
✓ Light setup✓ En el navegador✓ Colaboración en tiempo real
7.8
ZEKAI
Esencial para la predicción en Python
Gratis y open source · Logística
Facilidad de configuración4
Utilidad9
Mantenimiento9.5
Comunidad8.5
★ 10,075
GITHUB
Oct 2026
ACTUALIZADO
BSD-3-Clause
LICENCIA
🛠 ¿No quieres alojarlo tú mismo? Podemos configurarlo →
⚡ Respuesta rápida

sktime es una librería de Python que proporciona una interfaz unificada para tareas de análisis de series temporales como predicción, clasificación y detección de anomalías. Es ideal para científicos de datos y analistas de la cadena de suministro que crean modelos predictivos.

Funciona en
Cross-platform
Alojamiento
Desktop
Idiomas
Python
Licencia
BSD-3-Clause

Qué es

Conecta distintas tareas de aprendizaje de series temporales a través de algoritmos dedicados y herramientas de construcción de modelos compuestos como la creación de pipelines y ensamblajes. También se integra con librerías como statsmodels, tsfresh, PyOD y fbprophet.

Para quién

Está dirigido a desarrolladores de Python y científicos de datos que construyen pipelines complejos de previsión para la cadena de suministro o detección de anomalías. No es adecuado para usuarios sin perfil técnico que requieran interfaces de software de hacer clic.

Funciones clave

Interfaz de Predicción Unificada

Proporciona una API consistente para múltiples algoritmos y modelos de predicción.

Construcción de Modelos Compuestos

Permite la creación de pipelines, ensamblajes, ajuste y reducción para tareas de series temporales.

Integraciones de Librerías

Se conecta con scikit-learn, statsmodels, tsfresh, PyOD y fbprophet.

Tareas de Detección

Incluye módulos en maduración para la detección de anomalías y puntos de cambio.

Cómo empezar

Listo en 3 pasos

1
Instala el paquete mediante pip o conda desde PyPI o conda-forge
2
Explora los tutoriales oficiales y los notebooks de binder para aprender a usar la API
3
Construye tu primer pipeline de series temporales utilizando estimadores compatibles con scikit-learn
Sin rodeos

Nuestro veredicto honesto

Lo mejor

  • Compatible con los patrones de diseño y herramientas de scikit-learn
  • Interfaz unificada para predicción, clasificación y clustering
  • Se integra perfectamente con statsmodels, tsfresh y PyOD
  • Permite la creación de pipelines y ensamblajes de modelos complejos

Sus límites

  • Requiere soltura en la programación en Python
  • Las tareas de detección aún están madurando y pueden cambiar
  • No incluye una interfaz gráfica de usuario de serie
Costo

Precios y licencia

Gratis bajo la licencia BSD-3-Clause. El único coste es ejecutarlo por tu cuenta en tu propio entorno de Python.

Trabajo remunerado

Empleos para hispanohablantes

877 puestos remotos abiertos de entrenamiento de IA, actualizados el 16 de noviembre de 2026; la mayoría paga $20–$175 por hora. 22 de ellos piden hispanohablantes. Zekai los lista gratis; la solicitud va a la plataforma del empleador.

Ver todos los puestos abiertos →
Comparar

Alternativas

🎁 Alternativas gratis y open source
Más

Úsalo, o deja que lo configuremos

📄 PDF gratis: sktime para Logística
Una guía en lenguaje claro para tu primer resultado. Enviada a tu correo.
🔔 64 personas quieren un tutorial en vídeo completo — añade tu voto
🛠 ¿No quieres configurarlo tú mismo?
Instalamos, alojamos y configuramos sktime por ti — y formamos a tu equipo.
Que lo hagamos por ti ↗
Preguntas

FAQ

¿Qué tareas admite sktime?

Admite predicción, clasificación de series temporales, regresión, transformaciones, agrupamiento (clustering), detección de anomalías y detección de puntos de cambio.

¿Es sktime compatible con scikit-learn?

Sí, utiliza herramientas y patrones de diseño compatibles con scikit-learn para construir, ajustar y validar modelos.

Radar

Últimas noticias de IA

✉️ El kit gratuito semanal
Las mejores nuevas herramientas gratis y open source para Logística — un correo corto por semana, en tu idioma.
Gratis · 1 correo/semana · cancela cuando quieras
Gana dinero entrenando IA →

Ve Zekai primero en Google