DeepTSF：面向时间序列预测的无代码机器学习运维框架
机器学习
2024-05-24 v2 软件工程
摘要
本文提出 DeepTSF，一个全面的机器学习运维（MLOps）框架，旨在通过工作流自动化与无代码建模革新时间序列预测。DeepTSF 自动化了机器学习生命周期的关键环节，使其成为从事基于机器学习（ML）与深度学习（DL）预测的数据科学家和 MLOps 工程师的理想工具。DeepTSF 为用户提供强大且易用的解决方案，同时其设计可无缝集成现有数据分析工作流，提升生产力与兼容性。该框架提供适用于数据科学家及其他高层利益相关者的前端用户界面（UI），通过直观的可视化与评估指标实现全面理解。DeepTSF 还通过身份管理与访问授权机制优先保障安全。DeepTSF 在 I-NERGY 项目实际用例中的应用已证明其基于 DL 的负荷预测效能，彰显了其在电力与能源系统领域的显著附加值。
引用
@article{arxiv.2308.00709,
title = {DeepTSF: Codeless machine learning operations for time series forecasting},
author = {Sotiris Pelekis and Evangelos Karakolis and Theodosios Pountridis and George Kormpakis and George Lampropoulos and Spiros Mouzakitis and Dimitris Askounis},
journal= {arXiv preprint arXiv:2308.00709},
year = {2024}
}