Startseite Projekte ChatTS
ChatTS
Python

ChatTS

[VLDB' 25] ChatTS: LLM für Zeitreihenverständnis und -schlussfolgerung

von NetManAIOps · GitHub
Sterne
Forks
Lizenz
Erstellt
Letzter Commit
Kategorie
Sprache
llmmultimodaltimeseriesMITPython
Auf GitHub ansehen
In einfachen Worten

Verstehen und analysieren Sie Zeitreihendaten mithilfe eines großen Sprachmodells, das für diesen Zweck entwickelt wurde.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
ChatTS — GitHub preview card
📈 Sternhistorie
465464
2026-07-202026-08-31
📈 ChatTS verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

[VLDB' 25] ChatTS: LLM für Zeitreihenverständnis und -schlussfolgerung

ChatTS hat 464 Sterne auf GitHub. Es wurde 52-mal geforkt. ChatTS ist hauptsächlich in Python geschrieben. Es wird seit 2024 aktiv entwickelt. ChatTS ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: llm, multimodal, timeseries, timeseries-analysis.

Frequently asked questions

Was ist ChatTS?

[VLDB' 25] ChatTS: LLM für Zeitreihenverständnis und -schlussfolgerung

Ist ChatTS Open Source?

ChatTS ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.

Ist ChatTS kostenlos?

Ja. ChatTS ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht ChatTS?

ChatTS ist unter der MIT-Lizenz verfügbar.

In welcher Sprache ist ChatTS geschrieben?

ChatTS ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — ChatTS

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=netmanaiops-chatts)](https://olud.ai/project/netmanaiops-chatts.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.