azencot-group/KGO
Modelo
¿Es de fiar?
Conviene mirarlo con calma antes de usarlo.
Avisos Revisa
Muy nuevo: se creó hace 13 días. Espera un poco antes de instalarlo.
Estrellas de cuentas reales Sin datos
Todavía no hemos comprobado si sus estrellas son falsas.
Activo Bien
Último cambio hace 12 días.
Licencia Bien
MIT: puedes usarlo gratis, también en un producto comercial. Conserva el aviso de licencia.
Comprobaciones rápidas con datos públicos. Ayudan, pero no son una garantía.
Qué es
Implementación oficial en PyTorch de KGO, un modelo de previsión probabilística de series temporales que combina operadores de Koopman con flow matching. Un operador de Koopman aprendido extrapola la dinámica latente a lo largo del horizonte de previsión, y una exponencial de…
Para quién es
Investigadores y desarrolladores de Python que trabajan en previsión probabilística de series temporales con modelos generativos
Cómo usarlo
Instalación
pip install -r requirements.txtSacado de su README. Compruébalo allí antes de ejecutarlo.
Pide a tu IA que lo instale
Pega esto en Claude, ChatGPT o tu asistente de programación.
Ayúdame a instalar y configurar azencot-group/KGO en mi proyecto. Sigue su README: https://github.com/azencot-group/KGO. Explícame cada paso y comprueba que es seguro antes de ejecutar nada.
Curva de estrellas
Alternativas
Proyectos parecidos que cita su ficha. Cada enlace busca en el directorio.
Recibe alertas de repos como este
Te escribimos cuando algo de Modelos e inferencia empiece a subir. Gratis, una vez por semana, solo lo que encaja.
Qué te llega: un email los lunes con los repos que encajan, nunca más. Mira el de la semana pasada. Privacidad
Para quien mantiene el repo
Pon esta insignia en tu README. Muestra el puesto del repo en el radar, se actualiza cada hora y enlaza a esta página.
[](https://repoalerts.com/repo/azencot-group/KGO?ref=badge)Repos parecidos
- mistralai/timestral
Código de inferencia independiente para Timestral, una familia de modelos fundacionales de series temporales para previsión probabilística multivariante. Admite covariables pasadas, covariables futura
- continuousintelligence/ci
Biblioteca de Python que carga el modelo de previsión de series temporales ci-proto y genera predicciones probabilísticas multivariantes con nueve cuantiles, ejecutables en CPU o GPU mediante una únic
- shiyu-coder/Kronos
Kronos es un modelo fundacional de tipo decodificador preentrenado con secuencias de velas japonesas (K-lines) financieras. Un tokenizador especializado cuantiza los datos OHLCV en tokens discretos je
- zadescoxp/Temporal-Fusion-Transformer-Price-Prediction
Herramienta local de investigación que entrena un Temporal Fusion Transformer por ticker con precios diarios desde 2010. Genera previsiones a 252 sesiones bursátiles con bandas de precio del 10 al 90
- Luciferbobo/KiT
Modelo fundacional basado en difusión que predice velas (barras OHLCV) en siete escalas temporales, de un minuto a un día, mediante un Diffusion Transformer y flow matching. Se entrena con acciones es
- google-pytorch/torch_tpu
Un backend de PyTorch para las TPU de Google que permite ejecutar modelos y operaciones de PyTorch en dispositivos TPU. Incluye kernels ATen propios, una caché de compilación para cómputos XLA, integr