Accueil Projets chronos-forecasting
chronos-forecasting

chronos-forecasting

par amazon-science · GitHub

Chronos : Modèles pré-entraînés pour la prévision de séries temporelles

Voir sur GitHub
En termes simples

Utilisez des modèles pré-entraînés pour prédire les tendances futures basées sur des données temporelles avec juste quelques lignes de code.

⭐ Étoiles
🍴 Forks
🔥 Tendances
📜 Licence
Utilisation commerciale autorisée
📅 Créé
🔄 Dernier commit
🏷️ Catégorie
💻 Langue
Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
chronos-forecasting — GitHub preview card
📈 Historique des étoiles
5.7k5.5k
2026-07-042026-07-29
📈 Suivez chronos-forecasting

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Chronos : Modèles pré-entraînés pour la prévision de séries temporelles

chronos-forecasting compte 5.7k étoiles sur GitHub. Il a été forké 681 fois. chronos-forecasting est écrit principalement en Python. Il est développé activement depuis 2024. chronos-forecasting est disponible sous licence Apache-2.0. Ses principaux thèmes sont : artificial-intelligence, forecasting, foundation-models, huggingface.

Frequently asked questions

Qu'est-ce que chronos-forecasting ?

Chronos : Modèles pré-entraînés pour la prévision de séries temporelles

chronos-forecasting est-il open source ?

chronos-forecasting est un projet open source. Il est distribué sous licence Apache-2.0.

chronos-forecasting est-il gratuit ?

Oui. chronos-forecasting est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Sous quelle licence est chronos-forecasting ?

chronos-forecasting est disponible sous licence Apache-2.0.

Dans quel langage chronos-forecasting est-il écrit ?

chronos-forecasting est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
OpenSourceAI badge — chronos-forecasting

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=amazon-science-chronos-forecasting)](https://opensourceai.tech/project/amazon-science-chronos-forecasting.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
lag-llama
Lag-Llama : Vers des modèles de fondation pour la prévision de séries temporelles probabilistes…
1.6k · forecasting
partagetimeseriestime-series-forecasting
time-series-transformers-review
Une liste soigneusement sélectionnée de ressources incroyables (articles, code, données, etc.)…
3k · anomalydetection
partagetimeseriestime-series-forecasting
uni2ts
Formation unifiée des Transformers de prévision de séries temporelles universelles
1.6k · deep-learning
partagetime-series-forecastingforecasting
gluonts
Modélisation probabiliste des séries temporelles en Python
5.2k · artificial-intelligence
partagetimeseriestime-series-forecasting
nixtla
TimeGPT-1 : modèle de fond de série temporelle pré-entraîné prêt pour la production pour la pré…
4k · agent
partagetime-series-forecastingforecasting
timecopilot
TimeCopilot : l'agent de prévision GenAI. Basé sur des LLMs et des modèles de fondation de séri…
582 · agent-based-modeling
partagetime-series-forecastingforecasting
moment
MOMENT : Une famille de modèles fondamentaux de séries temporelles ouvertes, ICML'24
810 · anomaly-detection
partagetime-series-forecastingforecasting
LTSF-Linear
[AAAI-23 Oral] Implémentation officielle de l'article "Les Transformers sont-ils efficaces pour…
2.5k · aaai
partagetime-series-forecastingforecasting
TimeMixer
[ICLR 2024] Mise en œuvre officielle de "TimeMixer : Mélange multiscalaire décomposable pour la…
2k · deep-learning
partagetime-series-forecastingtime-series
rellm
Structure exacte à partir de n'importe quelle complétion de modèle de langage.
511 · huggingface-transformers
partagehuggingface-transformerstransformers

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.