awesome-TS-anomaly-detection

Lista de ferramentas e conjuntos de dados para detecção de anomalias em dados de séries temporais.

Todas as listas estão em ordem alfabética. Nas listas, os projetos mantidos têm prioridade sobre os não mantidos. Um repositório é considerado "não mantido" se o último commit tiver mais de 1 ano, ou se explicitamente mencionado pelos autores.

🎓 Se você achou esta coleção útil e quiser citá-la, siga a política de citação.

Software de Detecção de Anomalias

Nome	Linguagem	Descrição	Licença	Mantido
Cuebook's CueObserve	Python3	Detecção de anomalias em data warehouses e bancos de dados SQL.	Apache-2.0	✔️
Yahoo's EGADS	Java	GADS é uma biblioteca que contém várias técnicas de detecção de anomalias aplicáveis a muitos casos de uso em um único pacote, com a única dependência sendo Java.	GPL	✔️
AIStream's flow-forecast	Python	Biblioteca de deep learning PyTorch para previsão de séries temporais, classificação e detecção de anomalias (originalmente para previsão de enchentes).	GPL-3	✔️
Hastic	Python + node.js	Ferramenta de detecção de anomalias para dados de séries temporais com UI baseada em Grafana.	GPL	✔️
Zillow's Luminaire	Python	Luminaire é um pacote Python que fornece soluções de detecção de anomalias e previsão orientadas por ML para dados de séries temporais.	Apache-2.0	✔️
MIDAS	C++	MIDAS, abreviação de Microcluster-Based Detector of Anomalies in Edge Streams, detecta anomalias de microclusters em um fluxo de arestas em tempo e memória constantes.	Apache-2.0	✔️
Orion	Python	Orion é uma biblioteca de machine learning construída para detecção não supervisionada de anomalias em séries temporais, fornecendo uma série de pipelines de ML "verificados" (também conhecidos como pipelines Orion) que identificam padrões raros e os sinalizam para revisão por especialistas.	MIT	✔️
OutlierDetection.jl	Julia	Detecção de outliers rápida, escalável e flexível com Julia.	MIT	✔️
PyOD	Python	PyOD é um toolkit Python abrangente e escalável para detectar objetos discrepantes em dados multivariados.	BSD 2-Clause	✔️
ruptures	Python	Ruptures é uma biblioteca Python para detecção de pontos de mudança offline. Este pacote fornece métodos para análise e segmentação de sinais não estacionários.	BSD 2-Clause	✔️
EarthGecko Skyline	Python3	Skyline é um sistema de detecção de anomalias em tempo real, construído para permitir o monitoramento passivo de centenas de milhares de métricas.	MIT	✔️
Expedia.com's Adaptive Alerting	Java	Detecção de anomalias em streaming com seleção e ajuste automatizados de modelos.	Apache-2.0	❌
Arundo's ADTK	Python	Anomaly Detection Toolkit (ADTK) é um pacote Python para detecção de anomalias em séries temporais não supervisionada / baseada em regras.	MPL 2.0	❌
Twitter's AnomalyDetection	R	AnomalyDetection é um pacote R de código aberto para detectar anomalias que é robusto, do ponto de vista estatístico, na presença de sazonalidade e de uma tendência subjacente.	GPL	❌
Lytics' Anomalyzer	Go	Anomalyzer implementa um conjunto de testes estatísticos que produzem a probabilidade de um determinado conjunto de entradas numéricas, normalmente uma série temporal, conter comportamento anômalo.	Apache-2.0	❌
banpei	Python	Detecção de outliers (teoria de Hotelling) e detecção de pontos de mudança (transformação de espectro singular) para séries temporais.	MIT	❌
Ele.me's banshee	Go	Sistema de detecção de anomalias para métricas periódicas.	MIT	❌
CAD	Python	Detecção Contextual de Anomalias para detecção de anomalias em tempo real em dados de streaming (algoritmo vencedor da competição NAB de 2016).	AGPL	❌
Chaos Genius	Python	Mecanismo de análise orientado por ML para detecção de outliers/anomalias e análise de causa raiz.	MIT	❌
Mentat's datastream.io	Python	Um framework de código aberto para detecção de anomalias em tempo real usando Python, Elasticsearch e Kibana.	Apache-2.0	❌
DeepADoTS	Python	Implementação e avaliação de 7 técnicas baseadas em deep learning para Detecção de Anomalias em dados de Séries Temporais.	MIT	❌
Donut	Python	Donut é um algoritmo não supervisionado de detecção de anomalias para KPIs sazonais, baseado em Variational Autoencoders.	-	❌
LoudML	Python	Loud ML é um mecanismo de inferência de séries temporais de código aberto construído sobre o TensorFlow. É útil para prever dados, detectar outliers e automatizar seu processo usando conhecimento futuro.	MIT	❌
Linkedin's luminol	Python	Luminol é uma biblioteca Python leve para análise de dados de séries temporais. As duas principais funcionalidades que suporta são detecção de anomalias e correlação. Pode ser usado para investigar possíveis causas de anomalias.	Apache-2.0	❌
Numenta's Nupic	C++	Numenta Platform for Intelligent Computing é uma implementação de Hierarchical Temporal Memory (HTM).	AGPL	❌
oddstream	R	oddstream (Outlier Detection in Data Streams) fornece suporte em tempo real para detecção precoce de séries anômalas dentro de uma grande coleção de dados de séries temporais em streaming.	GPL-3	❌
PyOdds	Python	PyODDS é um sistema Python de ponta a ponta para detecção de outliers com suporte a banco de dados. PyODDS fornece algoritmos de detecção de outliers que suportam dados estáticos e de séries temporais.	MIT	❌
PySAD	Python	PySAD é um framework de detecção de anomalias em streaming com vários modelos online e um conjunto completo de ferramentas para experimentação.	BSD 3-Clause	❌
rrcf	Python	Implementação do algoritmo Robust Random Cut Forest para detecção de anomalias em fluxos.	MIT	❌
Netflix's Surus	Java	Robust Anomaly Detection (RAD) - Uma implementação do Robust PCA.	Apache-2.0	❌
NASA's Telemanom	Python	Um framework para usar LSTMs para detectar anomalias em dados de séries temporais multivariadas. Inclui dados de anomalias de espaçonaves e experimentos das missões Mars Science Laboratory e SMAP.	personalizada	❌