ИИ-инструменты с оценкой для вашей профессии
Заработок с ИИ
🤝 Вы в библиотеке «Бесплатно и Open Source» — инструменты от сообщества, которыми можно пользоваться бесплатно. Это другой формат, чем наш оценённый каталог ИИ.
Главная › Бесплатно и Open Source › Логистика › Time-Series-Library
✦ Бесплатно и open sourceЛогистика

Time-Series-Library

Библиотека глубокого обучения для прогнозирования временных рядов, импутации, классификации и обнаружения аномалий.

Продвинутая библиотека глубоких временных рядов

Оценивайте и создавайте модели глубокого обучения для прогнозирования, импутации и классификации временных рядов.

Бесплатно навсегда · open source · MIT
✓ Needs IT✓ В браузере✓ Совместная работа в реальном времени
7.4
ZEKAI
Надежная кодовая база для бенчмаркинга глубокого обучения
Бесплатно и open source · Логистика
Простота настройки6
Полезность8
Поддержка7
Сообщество8.5
★ 13,003
GITHUB
Apr 2026
ОБНОВЛЕНО
MIT
ЛИЦЕНЗИЯ
🛠 Не хотите размещать сами? Мы настроим за вас →
⚡ Быстрый ответ

Time-Series-Library (TSLib) — это кодовая база с открытым исходным кодом, предназначенная для исследователей и инженеров, работающих с глубоким анализом временных рядов. Она охватывает основные задачи, такие как долгосрочное и краткосрочное прогнозирование, импутация, обнаружение аномалий и классификация.

Работает на
Cross-platform
Хостинг
Self-host
Языки
Python
Лицензия
MIT

Что это

Библиотека реализует передовые модели, такие как TimeXer, TimeMixer, iTransformer, PatchTST и TimesNet, организованные по конкретным задачам и бенчмаркам. Она включает специализированные функции для прогнозирования zero-shot с помощью больших моделей временных рядов (LTSM) и интеграции экзогенных переменных.

Для кого

Она подходит для специалистов по данным и инженеров по машинному обучению, разрабатывающих или тестирующих модели глубокого обучения для последовательных данных. Она не предназначена для бизнес-аналитиков, ищущих графические интерфейсы прогнозирования без кода.

Ключевые возможности

Пять основных задач

Охватывает долгосрочное и краткосрочное прогнозирование, импутацию, обнаружение аномалий и классификацию.

Современные модели

Включает реализации TimeXer, iTransformer, PatchTST, TimesNet и Mamba.

Прогнозирование Zero-Shot

Содержит экспериментальные скрипты для оценки больших моделей временных рядов без предварительного обучения.

Поддержка экзогенных переменных

Реализует парадигмы, такие как TimeXer, для эффективной работы с внешними переменными во время прогнозирования.

Как начать

Готово за 3 шага

1
Клонируйте репозиторий Time-Series-Library из GitHub.
2
Установите необходимые зависимости Python и дополнительные модули, такие как mamba_ssm, если это необходимо.
3
Запустите предоставленные скрипты оболочки в директории scripts для выполнения обучения и оценки модели.
Честно

Наш честный вердикт

Плюсы

  • Предоставляет проверенные реализации ведущих академических моделей временных рядов.
  • Включает стандартизированные скрипты оценки и таблицы лидеров бенчмарков.
  • Поддерживает рабочие процессы прогнозирования zero-shot для больших моделей временных рядов.
  • Поддерживает структурированные базовые показатели для нескольких задач анализа временных рядов.

Минусы

  • У мейнтейнеров ограниченные ресурсы, что означает приостановку добавления новых функций.
  • Многие существующие бенчмарки могут быть насыщены или менее значимы для текущих исследований.
  • Требуется написание кода на Python и ручная обработка зависимостей глубокого обучения.
Стоимость

Цены и лицензия

Бесплатно по лицензии MIT, без предоставления платного хостинга. Единственными затратами являются расходы на оборудование, необходимое для обучения глубокого обучения.

Оплачиваемая работа

Вакансии для носителей русского языка

877 открытых удалённых вакансий по обучению ИИ, обновлено 16 ноября 2026 г.; в большинстве оплата $20–$175 в час. Из них 2 — для носителей русского языка. Zekai публикует их бесплатно; отклик уходит на платформу работодателя.

Все открытые вакансии →
Сравнить

Альтернативы

Больше

Используйте сами или мы всё настроим

📄 Бесплатный PDF: Time-Series-Library для Логистика
Простое руководство для первого результата. Придёт на вашу почту.
🔔 64 человек хотят полный видеоурок — добавьте свой голос
🛠 Не хотите настраивать сами?
Мы установим, разместим и настроим Time-Series-Library за вас — и обучим вашу команду.
Доверьте это нам ↗
Вопросы

Вопросы

Какие задачи поддерживает TSLib?

TSLib поддерживает долгосрочное и краткосрочное прогнозирование, импутацию, обнаружение аномалий и классификацию.

Добавляются ли активно новые функции?

Нет, мейнтейнеры объявили, что активное добавление функций приостановлено из-за ограниченных ресурсов.

Радар

Свежие новости ИИ

✉️ Еженедельный бесплатный набор
Лучшие новые бесплатные и open-source инструменты для Логистика — короткое письмо раз в неделю, на вашем языке.
Бесплатно · 1 письмо/неделю · отписка в любой момент
Заработок на обучении ИИ →

Zekai первым в Google