Biblioteca de aprendizado profundo para previsão, imputação, classificação e detecção de anomalias em séries temporais.
Avalie e construa modelos de aprendizado profundo para previsão, imputação e classificação de séries temporais.
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.
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.
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.
Abrange previsão de longo e curto prazo, imputação, detecção de anomalias e classificação.
Inclui implementações de TimeXer, iTransformer, PatchTST, TimesNet e Mamba.
Apresenta scripts experimentais para avaliar Large Time Series Models sem treinamento prévio.
Implementa paradigmas como TimeXer para lidar com variáveis externas eficientemente durante a previsão.
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.
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.
O TSLib suporta previsão de longo e curto prazo, imputação, detecção de anomalias e classificação.
Não, os mantenedores anunciaram que a adição ativa de novos recursos está pausada devido à capacidade limitada da equipe.
Veja o Zekai primeiro no Google