Skip to main content

> ML_KUTUPHANE // DARTS_v1.0

Darts

Unit8 — Klasik ve derin öğrenme modelleriyle zaman serisi tahmini için kullanıcı dostu Python kütüphanesi.

time-series-forecastingv0.30.0Apache-2.0qualified
Resmi DokümantasyonKaynak Kod Deposu

Model Eğitimi (Training)

Destekleniyor
Desteklenen Hızlandırıcılar:
CPUCUDAMPS
Dağıtık Eğitim (Distributed):Evet

Model Sunumu (Inference)

Destekleniyor
Inference Hızlandırıcıları:
CPUCUDAMPS
Hedef Ortamlar (Targets):server

Neleri Sağlar (Ne Yapar)

  • +Klasik modeller (ARIMA, Prophet) ve modern derin öğrenme modelleri (N-BEATS, N-HiTS, Temporal Fusion Transformer, TiDE) arasında birleşik arayüz
  • +Kuantiller ve Monte Carlo simülasyonları ile olasılıksal tahminleme
  • +Geçmiş, gelecek ve statik kovaryantların sorunsuz yönetimi
  • +Yerleşik geçmiş testleri (backtesting), hiperparametre ızgara araması ve topluluk (ensemble) modelleme

Neleri Sağlamaz (Ne Yapmaz)

  • -Görsel veya doğal dil gibi zaman serisi dışı modaliteleri işleme
  • -Uç mikrodenetleyicilerde çalışma
  • -Harici çatılar (FastAPI/BentoML) olmadan otonom bir REST API sunucusu olarak hareket etme

>Uygun İş Tipleri

  • Gelecek promosyon fiyat takvimlerini içeren perakende talep tahmini
  • Hava tahminlerini gelecek kovaryant olarak birleştiren enerji şebekesi elektrik yükü tahmini
  • Klasik istatistiksel modelleri doğrudan derin öğrenme transformatörleriyle karşılaştırma

>Uygun Olmayan İş Tipleri

  • Aşırı düşük gecikmeli gömülü IoT işleme
  • Saf bilgisayarla görme veya NLP iş yükleri
Veri Yerleşimi ve İkameti

CPU veya GPU üzerinde yerel olarak çalışır. Kurumsal sınır dışına sıfır veri iletilir.

Güvenlik Değerlendirmesi

İzin verici Apache-2.0 lisansı. Kurumsal ticari dağıtım için uygundur.

Operasyonel Metrikler ve Bilinen Kısıtlar

Olgunluk:mature
Öğrenme Eğrisi:moderate
Operasyon Yükü:moderate
Maliyet Seviyesi:free-oss
> Bilinen Kısıtlamalar:
  • Derin öğrenme modelleri için ağır PyTorch Lightning bağımlılığı, sunucusuz (serverless) fonksiyonlarda daha yavaş soğuk başlatmaya neden olabilir.

İlişkili Üretim Arıza Paternleri (Incidentpedia)

Bu kütüphaneyi üretimde kullanırken aşağıdaki arıza senaryolarına karşı fail-closed korumalar uygulayın:

training-serving-skew

> Birincil Kanıt ve Doğrulama Kaynakları

Darts Documentationofficial-docs • >=0.28.0, <=0.30.x
2026-09-25HIGH