⌛ بهترین کتابخونه‌ی پیش‌بینی سری‌های زمانی


👨🏻‍💻 کتابخونه Kats که توسط تیم دیتاساینس فیس‌بوک ساخته شده، یکی از شگفتی‌های پایتونه و امکاناتش واقعاً کاربردیه.

⏪ یه جعبه‌ابزار جمع‌وجور و ساده واسه تحلیل داده‌های سری زمانی؛ یعنی هرچی برای تحلیل، تشخیص، ساخت ویژگی، و پیش‌بینی روی داده‌های زمانی لازم داری، اینجا دم دست داری. مثل:


✅ پیش‌بینی آینده: بیشتر از ۱۰ مدل مختلف داره، امکان ترکیب مدل‌ها، فرایادگیری، بک‌تست و حتی تنظیم خودکار مدل رو هم ساپورت می‌کنه.

📎 لینک: Forecasting

➖ ➖ ➖

☑️ کشف الگو: می‌تونی تغییر روند، نقطه‌های غیرعادی و حتی فصل‌ها رو تو دیتات پیدا کنی.

📎 لینک: Detection

➖ ➖ ➖

✔️ استخراج ویژگی: خودش با یه ماژول مخصوصش، ۶۵ تا ویژگی مختلف سری زمانی رو بهت می‌ده، مناسب برای وقتی که می‌خوای با ML کار کنی.

📎 لینک: TSFeatures

➖ ➖ ➖

☑️ ابزارهای جانبی: شبیه‌ساز سری زمانی و کلی ابزار دیگه.


┌ ⏳ Kats
├ 🌎 Homepage
└ 🐱 GitHub-Repos



🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖

👨🏻‍💻 یه راه ساده و سریع برای اجرای مستقیم مدل‌های هوش مصنوعی توی مرورگر، کتابخونه‌ی Transformers.js از Hugging Faceئه!

✏️ با این ابزار می‌تونی خیلی از مدل‌های یادگیری ماشین، از جمله مدل‌های LLM رو بدون نیاز به سرور، کاملاً لوکال اجرا کنی.


❓ چرا Transformers.js انقدر خفنه؟

✅ اجرای ۱۰۰٪ لوکال
☑️ پشتیبانی از WebGPU
✔️ عملکرد عالی
☑️ سازگاری با محیط‌های مختلف
✔️ مثال‌های متنوع


📺 تو ویدیویی که قرار دادم، من خودم باهاش یه مدل ۳۶۰ میلیون پارامتری رو اجرا کردم توی مرورگر، بدون دردسر. سرعتشم عالی بود: حدود ۳۰ توکن در ثانیه!


┌ 🥵 Transformers.js
├ 📖 Documentation
└ 🐱 GitHub-Repos



🌐 #یادگیری_ماشین #MachineLearning
➖➖➖➖➖➖➖➖➖➖➖➖➖➖