tsai: 시계열 및 순차 데이터용 방대한 SOTA 모델 컬렉션을 갖춘 딥러닝 라이브러리

해결하는 문제

tsai는 시계열 및 순차 데이터에 대한 최첨단 기술의 구현을 단순화하도록 설계된 딥러닝 라이브러리입니다. 분류, 회귀, 예측 및 결측치 보간(imputation)과 같은 작업을 위한 통합 프레임워크를 제공하여 이러한 모델을 구축하고 훈련하는 복잡성을 줄여줍니다.

작동 방식

PyTorch와 fastai를 기반으로 구축된 tsai는 훈련 및 추론을 위한 고수준 API를 제공합니다. LSTMs, GRUs, Transformers (PatchTST 및 TST와 같은) 및 InceptionTime 및 MiniRocket과 같은 특화된 시계열 모델을 포함한 다양한 모델 아키텍처를를 지원합니다. 이 라이브러리는 SlidingWindow 및 TSStandardize와 같은 도구를 통해 데이터 준비를 처리하며, 시계열 모델을 위해 3D 배열 형식 ([samples x variables x sequence length])의 입력 데이터를 기대합니다.

대상 사용자

예측 또는 분류 작업을 위해 시계열 데이터에 딥러닝을 적용해야 하는 데이터 과학자, ML 엔지니어 및 연구원입니다.

주요 특징

• 방대한 모델 주(Model Zoo): 전통적인 RNN에서 현대적인 Transformers 및 CNN에 이르기까지 방대한 범위의 SOTA 모델을 포함합니다.
• 포괄적인 데이터셋 접근: 분류, 회귀 및 예측을 위한 200개 이상의 단변량 및 다변량 데이터셋을 다운로드할 수 있는 내장 지원을 제공합니다.
• 유연한 예측: 단변량 및 다변량 입출력 모두에 대해 단일 단계 및 다단계 앞선 예측을 지원합니다.
• 통합 파이프라인: 모델 정확도와 평가를 개선하기 위해 sklearn-type 파이프라인 변환 및 walk-forward 교차 검증을 제공합니다.