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 › Time-Series-Library
✦ Gratis y open sourceLogística

Time-Series-Library

Librería de aprendizaje profundo para la predicción, imputación, clasificación y detección de anomalías en series temporales.

Librería avanzada de series temporales con aprendizaje profundo

Evalúa y construye modelos de aprendizaje profundo para la predicción, imputación y clasificación de series temporales.

Gratis para siempre · open source · MIT
✓ Needs IT✓ En el navegador✓ Colaboración en tiempo real
7.4
ZEKAI
Sólida base de código de referencia para aprendizaje profundo
Gratis y open source · Logística
Facilidad de configuración6
Utilidad8
Mantenimiento7
Comunidad8.5
★ 13,003
GITHUB
Apr 2026
ACTUALIZADO
MIT
LICENCIA
🛠 ¿No quieres alojarlo tú mismo? Podemos configurarlo →
⚡ Respuesta rápida

Time-Series-Library (TSLib) es una base de código open source diseñada para investigadores e ingenieros que trabajan con análisis profundo de series temporales. Abarca tareas principales como predicción a largo y corto plazo, imputación, detección de anomalías y clasificación.

Funciona en
Cross-platform
Alojamiento
Self-host
Idiomas
Python
Licencia
MIT

Qué es

La librería implementa modelos avanzados como TimeXer, TimeMixer, iTransformer, PatchTST y TimesNet, organizados en torno a tareas y benchmarks específicos. Incluye características especializadas para la predicción zero-shot con modelos grandes de series temporales (LTSMs) e integración de variables exógenas.

Para quién

Es adecuada para científicos de datos e ingenieros de machine learning que desarrollan o evalúan modelos de aprendizaje profundo para datos secuenciales. No está diseñada para analistas de negocio que busquen interfaces gráficas de predicción sin código.

Funciones clave

Cinco tareas principales

Abarca predicción a largo y corto plazo, imputación, detección de anomalías y clasificación.

Modelos de última generación

Incluye implementaciones de TimeXer, iTransformer, PatchTST, TimesNet y Mamba.

Predicción zero-shot

Presenta scripts experimentales para evaluar modelos grandes de series temporales sin entrenamiento previo.

Soporte de variables exógenas

Implementa paradigmas como TimeXer para gestionar variables externas de manera eficiente durante la predicción.

Cómo empezar

Listo en 3 pasos

1
Clona el repositorio Time-Series-Library desde GitHub.
2
Instala las dependencias de Python requeridas y los módulos opcionales como mamba_ssm si es necesario.
3
Ejecuta los scripts de shell proporcionados en el directorio de scripts para llevar a cabo el entrenamiento y la evaluación del modelo.
Sin rodeos

Nuestro veredicto honesto

Lo mejor

  • Proporciona implementaciones verificadas de modelos académicos de primer nivel para series temporales.
  • Incluye scripts de evaluación estandarizados y clasificaciones de referencia.
  • Soporta flujos de trabajo de predicción zero-shot para modelos grandes de series temporales.
  • Mantiene líneas base estructuradas en múltiples tareas de análisis de series temporales.

Sus límites

  • Los mantenedores tienen disponibilidad limitada, lo que significa que la adición de nuevas características está pausada.
  • Muchos benchmarks existentes pueden estar saturados o ser menos relevantes para la investigación actual.
  • Requiere escribir código en Python y gestionar las dependencias de aprendizaje profundo manualmente.
Costo

Precios y licencia

Gratis bajo su licencia MIT, sin opción alojada de pago. El único coste es ejecutar el hardware requerido para el entrenamiento de aprendizaje profundo.

Trabajo remunerado

Empleos para hispanohablantes

880 puestos remotos abiertos de entrenamiento de IA, actualizados el 15 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

Más

Úsalo, o deja que lo configuremos

📄 PDF gratis: Time-Series-Library 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 Time-Series-Library por ti — y formamos a tu equipo.
Que lo hagamos por ti ↗
Preguntas

FAQ

¿Qué tareas admite TSLib?

TSLib admite predicción a largo y corto plazo, imputación, detección de anomalías y clasificación.

¿Se añaden nuevas características activamente?

No, los mantenedores anunciaron que la adición de nuevas características está pausada debido a la disponibilidad limitada.

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