MOMENT开源项目 – 开源时间序列基础模型家族

OpenOs是一个基于AI的数据和财务分析平台，集成了数据库、支付网关和机器学习模型，提供自然语言接口，用户可以通过自然语言创建报告、编写查询和进行预测。

Qdrant是一个高性能的向量数据库，专为支持下一代AI应用而设计，能够高效处理高维向量，适用于推荐系统、先进搜索和异常检测等场景。其云原生架构和基于Rust的性能确保了可靠性和可扩展性。

Time-LLM 是一个重新编程框架，用于将大型语言模型（LLMs）重新用于通用的时间序列预测，同时保持其骨干语言模型的完整性。

Conformal-time-series 是一个专门为时间序列数据设计的工具，它结合了保形预测（conformal prediction）技术和PID控制方法，用于生成时间序列预测的置信区间。该项目不仅提供了对时间序列预测模型的不确定性量化支持，还能与现有的时间序列预测流程无缝集成，适用于多种时间序列预测模型。

LazyProphet 是一个基于 LightGBM 的时间序列预测库，旨在简化和增强时间序列预测的过程。它通过最小化配置要求，使得时间序列建模变得更加容易，同时支持处理缺失数据和异常值。LazyProphet 提供了易于使用的接口，用于快速模型训练和预测，并且针对大数据集进行了性能优化。

Metaplane是一个复杂的数据可观察性平台，旨在为现代数据团队提供全面的功能，以有效监控、检测异常和管理数据管道。通过专注于主动事件管理和实时数据质量洞察，Metaplane解决了数据完整性和性能的复杂性，是依赖于准确和可靠数据的企业不可或缺的工具。

Cloudgov是一个基于AI的云成本管理和优化平台，旨在帮助企业控制和减少云开支。该平台专为多云环境设计，支持AWS、Azure和Google Cloud，提供必要的洞察和工具，以实现更高的财务责任感和优化云投资。通过将FinOps实践无缝集成到操作中，Cloudgov使用户能够更有效地管理其云基础设施活动。

Sulie 提供对基础模型的访问，专注于时间序列预测，支持零样本预测和自动微调，旨在提升预测准确性并简化模型管理。

TSLib 是一个专为深度学习研究者设计的时序分析开源库，支持长短期预测、数据补全、异常检测和分类等任务。它提供了多种先进的深度学习模型，并鼓励研究者通过排行榜功能提交和比较新模型。TSLib 提供了一个简洁的代码库，用于评估先进的深度时序模型或开发新模型，涵盖了五个主流任务：长短期预测、数据补全、异常检测和分类。此外，TSLib 还包含了最新的时序模型，如 TimeXer、Mamba 等，并提供了详细的教程和排行榜功能，帮助研究者快速上手和比较模型性能。

Kats 是一个轻量级、易用且可扩展的时序分析工具包，旨在帮助用户分析、预测和理解时序数据。它提供了多种统计和机器学习技术，支持时序数据的检测、预测、特征提取、多变量分析等功能。Kats 由 Facebook 的基础设施数据科学团队开发，适用于工业界的数据科学与工程工作，能够帮助用户理解关键统计特征、检测异常和回归，并预测未来趋势。

FlatFee AI是一个AI/ML平台，提供无限制的AI/ML开发任务，消除了成本限制，保证快速完成并提供24/7服务，所有服务均为固定费用。

该模型探讨了使用大型生成预训练变换器处理时间序列数据的可能性，旨在提升时间序列分析和预测的准确性。

Anomalo是一款前沿的AI工具，旨在确保数据的完整性和准确性。它通过检测异常、验证数据质量和简化数据准备过程，成为企业利用数据驱动决策的重要资产。Anomalo运用强大的机器学习算法，不仅识别数据不一致，还提出纠正措施，从而提升数据的健康性和可靠性。

PredictOPS是一个基于尖端生成AI技术的AIOPs解决方案，旨在通过先进的监控和智能驱动的解决方案，赋能组织实现卓越的效率和韧性。

MindBridge AI 是一个全球领先的平台，专注于金融风险发现和异常检测，帮助金融专业人士通过识别、呈现和分析广泛的金融数据集来改善工作方式。

HawkFlow.ai 是一款监控工具，旨在帮助工程师、数据科学家、分析师和产品经理轻松跟踪和监控其代码、基础设施和业务的各个方面。它提供了异常检测、趋势分析、数据大小和准确性监控、运行时间跟踪以及与现有机器学习基础设施的集成等功能。

Chronos是一个基于语言模型架构的概率时间序列预测预训练模型，能够将时间序列数据转化为Token序列，并通过交叉熵损失训练语言模型，从而实现多轨迹采样以获得概率预测分布。