Um framework Python unificado para aprendizado de máquina com dados de séries temporais.
Construa, ajuste e valide modelos de séries temporais usando ferramentas compatíveis com scikit-learn.
sktime é uma biblioteca Python que fornece uma interface unificada para tarefas de análise de séries temporais, como previsão, classificação e detecção de anomalias. É ideal para cientistas de dados e analistas de cadeia de suprimentos que constroem modelos preditivos.
Ele conecta distintas tarefas de aprendizado de séries temporais por meio de algoritmos dedicados e ferramentas de construção de modelos compostos, como pipelining e ensembling. Também se integra a bibliotecas como statsmodels, tsfresh, PyOD e fbprophet.
É adequado para desenvolvedores Python e cientistas de dados que constroem pipelines complexos de previsão de cadeia de suprimentos ou detecção de anomalias. Não é adequado para usuários não técnicos que exigem interfaces de software do tipo apontar e clicar.
Fornece uma API consistente para vários algoritmos e modelos de previsão.
Suporta pipelining, ensembling, tuning e reduction para tarefas de séries temporais.
Conecta-se com scikit-learn, statsmodels, tsfresh, PyOD e fbprophet.
Inclui módulos em amadurecimento para detecção de anomalias e pontos de mudança.
Gratuito sob a licença BSD-3-Clause. O único custo é executá-lo por conta própria em seu próprio ambiente Python.
879 vagas remotas abertas de treinamento de IA, atualizadas em 15 de novembro de 2026; a maioria paga $20–$175 por hora. 8 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.
Ele suporta previsão, classificação de séries temporais, regressão, transformações, agrupamento, detecção de anomalias e detecção de pontos de mudança.
Sim, ele utiliza ferramentas e padrões de design compatíveis com o scikit-learn para construir, ajustar e validar modelos.
Veja o Zekai primeiro no Google