Ferramentas de IA avaliadas para o seu trabalho
Ganhe treinando IA
🤝 Você está na biblioteca Grátis & Open Source — ferramentas feitas pela comunidade que você pode usar sem pagar. Um conceito diferente do nosso diretório de IA avaliado.
Início › Grátis & Open Source › Logística › Time-Series-Library
✦ Grátis & open sourceLogística

Time-Series-Library

Biblioteca de aprendizado profundo para previsão, imputação, classificação e detecção de anomalias em séries temporais.

Biblioteca Avançada de Séries Temporais Profundas

Avalie e construa modelos de aprendizado profundo para previsão, imputação e classificação de séries temporais.

Grátis para sempre · open source · MIT
✓ Needs IT✓ No navegador✓ Colaboração em tempo real
7.4
ZEKAI
Base de código sólida de benchmark para aprendizado profundo
Grátis & open source · Logística
Facilidade de configuração6
Utilidade8
Manutenção7
Comunidade8.5
★ 13,003
GITHUB
Apr 2026
ATUALIZADO
MIT
LICENÇA
🛠 Não quer hospedar você mesmo? Nós configuramos para você →
⚡ Resposta rápida

Time-Series-Library (TSLib) é uma base de código open source projetada para pesquisadores e engenheiros que trabalham com análise profunda de séries temporais. Ela abrange tarefas principais como previsão de longo e curto prazo, imputação, detecção de anomalias e classificação.

Funciona em
Cross-platform
Hospedagem
Self-host
Idiomas
Python
Licença
MIT

O que é

A biblioteca implementa modelos avançados como TimeXer, TimeMixer, iTransformer, PatchTST e TimesNet, organizados em torno de tarefas e benchmarks específicos. Inclui recursos especializados para previsão zero-shot com Large Time Series Models (LTSMs) e integração de variáveis exógenas.

Para quem

É ideal para cientistas de dados e engenheiros de machine learning que desenvolvem ou comparam modelos de aprendizado profundo para dados sequenciais. Não foi projetada para analistas de negócios que buscam interfaces gráficas de previsão sem código.

Recursos principais

Cinco Tarefas Principais

Abrange previsão de longo e curto prazo, imputação, detecção de anomalias e classificação.

Modelos de Estado da Arte

Inclui implementações de TimeXer, iTransformer, PatchTST, TimesNet e Mamba.

Previsão Zero-Shot

Apresenta scripts experimentais para avaliar Large Time Series Models sem treinamento prévio.

Suporte a Variáveis Exógenas

Implementa paradigmas como TimeXer para lidar com variáveis externas eficientemente durante a previsão.

Como começar

Pronto em 3 passos

1
Clone o repositório Time-Series-Library do GitHub.
2
Instale as dependências necessárias do Python e módulos opcionais como mamba_ssm, se necessário.
3
Execute os scripts de shell fornecidos no diretório scripts para realizar o treinamento e a avaliação do modelo.
Falando sério

Nosso veredito honesto

Pontos fortes

  • Fornece implementações verificadas de modelos acadêmicos de ponta para séries temporais.
  • Inclui scripts de avaliação padronizados e tabelas de classificação (leaderboards).
  • Suporta fluxos de trabalho de previsão zero-shot para Large Time Series Models.
  • Mantém linhas de base estruturadas em várias tarefas de análise de séries temporais.

Onde deixa a desejar

  • Os mantenedores têm capacidade limitada, o que significa que a adição de novos recursos está pausada.
  • Muitos benchmarks existentes podem ser saturados ou menos significativos para a pesquisa atual.
  • Exige escrever código em Python e gerenciar dependências de aprendizado profundo manualmente.
Custo

Preços & licença

Gratuita sob sua licença MIT, sem opção hospedada paga disponível. O único custo é a execução do hardware necessário para o treinamento de aprendizado profundo.

Trabalho remunerado

Vagas para quem fala português

877 vagas remotas abertas de treinamento de IA, atualizadas em 16 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.

Ver todas as vagas abertas →
Comparar

Alternativas

Saiba mais

Use, ou deixe que a gente configure

📄 PDF grátis: Time-Series-Library para Logística
Um guia em linguagem simples para o seu primeiro resultado. Enviado ao seu e-mail.
🔔 64 pessoas querem um tutorial em vídeo completo — adicione seu voto
🛠 Não quer configurar você mesmo?
Nós instalamos, hospedamos e configuramos o Time-Series-Library para você — e treinamos sua equipe.
Deixe com a gente ↗
Perguntas

FAQ

Quais tarefas o TSLib suporta?

O TSLib suporta previsão de longo e curto prazo, imputação, detecção de anomalias e classificação.

Novos recursos são adicionados ativamente?

Não, os mantenedores anunciaram que a adição ativa de novos recursos está pausada devido à capacidade limitada da equipe.

Radar

Últimas notícias de IA

✉️ O kit gratuito semanal
As melhores novas ferramentas grátis & open source para Logística — um e-mail curto por semana, no seu idioma.
Grátis · 1 e-mail/semana · cancele quando quiser
Ganhe dinheiro treinando IA →

Veja o Zekai primeiro no Google