Un framework de Python unificado para el aprendizaje automático con datos de series temporales.
Construye, ajusta y valida modelos de series temporales utilizando herramientas compatibles con scikit-learn.
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.
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.
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.
Proporciona una API consistente para múltiples algoritmos y modelos de predicción.
Permite la creación de pipelines, ensamblajes, ajuste y reducción para tareas de series temporales.
Se conecta con scikit-learn, statsmodels, tsfresh, PyOD y fbprophet.
Incluye módulos en maduración para la detección de anomalías y puntos de cambio.
Gratis bajo la licencia BSD-3-Clause. El único coste es ejecutarlo por tu cuenta en tu propio entorno de Python.
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.
Admite predicción, clasificación de series temporales, regresión, transformaciones, agrupamiento (clustering), detección de anomalías y detección de puntos de cambio.
Sí, utiliza herramientas y patrones de diseño compatibles con scikit-learn para construir, ajustar y validar modelos.
Ve Zekai primero en Google