メインコンテンツへスキップ
ToolPotion
AI アドバイザー
送信(無料)

Timestral

AI GitHub リポジトリAIモデルとLLMオープンソース · Web

Timestralは、Mistral AIによって開発された時系列基盤モデルです。複雑な時系列データを扱うように設計されており、堅牢な分析と洞察を提供します。予測分析や予測に取り組む開発者やデータサイエンティストに最適です。

リポジトリを見る
共有
リポジトリを見る
共有

Timestralは、Mistral AIによって作成された高度な時系列基盤モデルで、GitHubにホストされています。複雑な時系列データを管理・分析するために特別に設計されており、予測分析や予測のための堅牢なフレームワークを提供します。このモデルは、大規模なデータセットを扱い、そこから有意義な洞察を引き出すための高度なツールを必要とする開発者やデータサイエンティストに特に有益です。

続きを読む

リポジトリには、ソースコード、テスト、ドキュメントなどの重要なファイルが含まれており、ユーザーがモデルを理解し、実装するのが容易です。README.mdファイルには、Timestralのセットアップと使用方法に関する詳細な指示が記載されており、スムーズなユーザー体験を保証します。

Timestralの開発は積極的に維持されており、最後のコミットは2026年10月15日に行われました。これは、モデルが時系列データを扱う上で関連性と効果を保つための継続的な改善と更新を示しています。リポジトリはオープンソースであり、コミュニティの貢献とコラボレーションを可能にします。

このモデルは、金融、ヘルスケア、物流など、時系列データが普及している業界で特に有用です。ユーザーはトレンドを予測し、パターンを特定し、データに基づいた意思決定を行うことができます。Timestralの機能は、時系列データを戦略的な利点として活用しようとする組織にとって貴重な資産となります。

  • カテゴリーAIモデルとLLM
  • 料金モデルオープンソース
  • デプロイクラウド, セルフホスト
  • プラットフォームWeb

  • 時系列データ分析

  • 予測分析

  • オープンソースリポジトリ

  • 積極的な開発

  • コミュニティの貢献

  • 堅牢なフレームワーク

  • 詳細なドキュメント

  • 複雑なデータ処理

  1. クローン: GitHubからリポジトリをダウンロード

  2. 依存関係のインストール: 必要なライブラリをセットアップ

  3. 設定: データに合わせて設定を調整

  4. 実行: データセットでモデルを実行

  5. 最適化: より良い結果のためにパラメータを微調整

  • 予測分析
  • 金融予測
  • ヘルスケアデータ分析
  • 物流最適化
  • パターン認識

Mistral AI の製品

Timestral-209M のモデルです。

Timestral のレビュー

読み込み中...

Timestral に似た人気のAIツール

Chronos

AI GitHub リポジトリ

Chronosは、時系列予測のための事前学習モデルを提供するGitHubリポジトリです。Amazon Scienceによって開発され、さまざまな分野での正確な予測を実現し、意思決定プロセスを向上させるツールを提供します。

予測と予測分析
ツールを見る

AI GitHub リポジトリ

時系列予測のための事前学習モデルを提供するGitHubリポジトリです。Amazon Scienceによって開発され、さまざまな分野での正確な予測を実現し、意思決定プロセスを向上させるツールを提供します。Chronosは、時系列予測のための事前学習モデルを提供するGitHubリポジトリです。Amazon Scienceによって開発され、さまざまな分野での正確な予測を実現し、意思決定プロセスを向上させるツールを提供します。

予測と予測分析
AI GitHub リポジトリ トップ250を見る

N-BEATS

AI GitHub リポジトリ

N-BEATSは、単変量時系列予測のためのニューラルネットワークベースのモデルです。ServiceNow Researchによって開発され、再現性のある実験結果を実現するためにN-BEATSアルゴリズムを実装しています。このリポジトリは、高度な時系列分析のためのPyTorch実装、データセットローダー、および実験設定を提供します。

AIモデルとLLM
ツールを見る

AI GitHub リポジトリ

単変量時系列予測のためのニューラルネットワークベースのモデルです。ServiceNow Researchによって開発され、再現性のある実験結果を実現するためにN-BEATSアルゴリズムを実装しています。このリポジトリは、高度な時系列分析のためのPyTorch実装、データセットローダー、および実験設定を提供します。N-BEATSは、単変量時系列予測のためのニューラルネットワークベースのモデルです。ServiceNow Researchによって開発され、再現性のある実験結果を実現するためにN-BEATSアルゴリズムを実装しています。このリポジトリは、高度な時系列分析のためのPyTorch実装、データセットローダー、および実験設定を提供します。

AIモデルとLLM
AI GitHub リポジトリ トップ250を見る

FEDformer

AI GitHub リポジトリ

FEDformerは、効率的な長期時系列予測のために設計されたFrequency Enhanced Decomposed Transformerです。系列長に対して線形計算量で動作し、多変量および単変量データセットの両方で予測誤差を大幅に削減することで、最先端の手法を上回ります。このモデルはオープンソースコードとして利用可能です。

AIモデルとLLM
ツールを見る

AI GitHub リポジトリ

効率的な長期時系列予測のために設計されたFrequency Enhanced Decomposed Transformerです。系列長に対して線形計算量で動作し、多変量および単変量データセットの両方で予測誤差を大幅に削減することで、最先端の手法を上回ります。このモデルはオープンソースコードとして利用可能です。FEDformerは、効率的な長期時系列予測のために設計されたFrequency Enhanced Decomposed Transformerです。系列長に対して線形計算量で動作し、多変量および単変量データセットの両方で予測誤差を大幅に削減することで、最先端の手法を上回ります。このモデルはオープンソースコードとして利用可能です。

AIモデルとLLM
AI GitHub リポジトリ トップ250を見る

LTSF-Linear

AI GitHub リポジトリ

LTSF-Linearは、「Are Transformers Effective for Time Series Forecasting?」の公式PyTorch実装です。長期時系列予測タスクにおいてトランスフォーマーを上回る性能を発揮する線形モデルファミリー(Linear, DLinear, NLinear)を導入し、高い効率性と解釈可能性を提供します。

AIモデルとLLM
ツールを見る

AI GitHub リポジトリ

「Are Transformers Effective for Time Series Forecasting?」の公式PyTorch実装です。長期時系列予測タスクにおいてトランスフォーマーを上回る性能を発揮する線形モデルファミリー(Linear, DLinear, NLinear)を導入し、高い効率性と解釈可能性を提供します。LTSF-Linearは、「Are Transformers Effective for Time Series Forecasting?」の公式PyTorch実装です。長期時系列予測タスクにおいてトランスフォーマーを上回る性能を発揮する線形モデルファミリー(Linear, DLinear, NLinear)を導入し、高い効率性と解釈可能性を提供します。

AIモデルとLLM
AI GitHub リポジトリ トップ250を見る

TimesFM 3.0は、Google Researchによって開発された事前学習済みの時系列基盤モデルです。時系列予測のために設計されており、PyTorchの重みと設定が利用可能です。

予測と予測分析
ツールを見る

Google Researchによって開発された事前学習済みの時系列基盤モデルです。時系列予測のために設計されており、PyTorchの重みと設定が利用可能です。TimesFM 3.0は、Google Researchによって開発された事前学習済みの時系列基盤モデルです。時系列予測のために設計されており、PyTorchの重みと設定が利用可能です。

予測と予測分析
AI モデル トップ5を見る

Autoformer

AI GitHub リポジトリ

Autoformerは、分解トランスフォーマーと自己相関メカニズムを活用した長期時系列予測のためのAIモデルです。様々なベンチマークで最先端の結果を達成し、実用的なアプリケーションにおける予測精度の向上に向けたシリーズ間の接続に関する新しいアプローチを提供します。

AIモデルとLLM
ツールを見る

AI GitHub リポジトリ

分解トランスフォーマーと自己相関メカニズムを活用した長期時系列予測のためのAIモデルです。様々なベンチマークで最先端の結果を達成し、実用的なアプリケーションにおける予測精度の向上に向けたシリーズ間の接続に関する新しいアプローチを提供します。Autoformerは、分解トランスフォーマーと自己相関メカニズムを活用した長期時系列予測のためのAIモデルです。様々なベンチマークで最先端の結果を達成し、実用的なアプリケーションにおける予測精度の向上に向けたシリーズ間の接続に関する新しいアプローチを提供します。

AIモデルとLLM
AI GitHub リポジトリ トップ250を見る

Dalai

AI GitHub リポジトリ

Dalaiは、ローカルマシンでLLaMAモデルを実行するためのGitHubプロジェクトです。開発者が広範なセットアップなしでLLaMAを試すためのアクセス可能な方法を提供し、AI愛好者や研究者に最適です。

AIモデルとLLM

AI GitHub リポジトリで第145位

ツールを見る

AI GitHub リポジトリ

ローカルマシンでLLaMAモデルを実行するためのGitHubプロジェクトです。開発者が広範なセットアップなしでLLaMAを試すためのアクセス可能な方法を提供し、AI愛好者や研究者に最適です。Dalaiは、ローカルマシンでLLaMAモデルを実行するためのGitHubプロジェクトです。開発者が広範なセットアップなしでLLaMAを試すためのアクセス可能な方法を提供し、AI愛好者や研究者に最適です。

AIモデルとLLM
AI GitHub リポジトリで第145位

TimesNet

AI モデル

TimesNetは、1D時系列データを2D空間に変換してモデリングを強化する、汎用時系列分析のための基盤モデルです。予測、補間、異常検知、分類において最先端の結果を達成し、多様な時間パターンにわたる堅牢な表現学習のためにビジョンバックボーンを活用しています。

AIモデルとLLM
ツールを見る

AI モデル

1D時系列データを2D空間に変換してモデリングを強化する、汎用時系列分析のための基盤モデルです。予測、補間、異常検知、分類において最先端の結果を達成し、多様な時間パターンにわたる堅牢な表現学習のためにビジョンバックボーンを活用しています。TimesNetは、1D時系列データを2D空間に変換してモデリングを強化する、汎用時系列分析のための基盤モデルです。予測、補間、異常検知、分類において最先端の結果を達成し、多様な時間パターンにわたる堅牢な表現学習のためにビジョンバックボーンを活用しています。

AIモデルとLLM
AI モデル トップ5を見る
1 / 8