Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-09-20 08:23 UTC

awslabs / gluonts

Probabilistic time series modeling in Python

Python · Jupyter NotebookApache-2.0★ 5 236 зірок⑂ 837 форківз трав. 2019 р.Переглянути на GitHub ↗
ТипПлагінБібліотекаяк це визначено
#time-series#deep-learning#forecasting#neural-networks#machine-learning#time-series-prediction#time-series-forecasting#mxnet#pytorch#aws#sagemaker#timeseries#artificial-intelligence#data-science#torch

awslabs/gluonts має індекс здоров’я 94 зі 100, що відповідає смузі «Винятковий». Найвищий показник — Community & Adoption (93/100), найнижчий — Vitality (64/100). Останнє оновлення було 50 днів тому. Більшість нещодавньої роботи виконують 4 учасники.

94
загалом / 100
Винятковий

Індекс здоров'я програмного забезпечення

Метрики згруповано у зважені категорії на шкалі 1–100. Загальна оцінка починається як їхнє зважене середнє, відкаліброване за розподілом публічного реєстру, тож діапазони мають перцентильний зміст; коли публічні дані активують Політику юрисдикцій високого ризику, рейтинг коригується й отримує верхню межу 34 («У зоні ризику»).

94
Винятковий93-100Верхній щабель реєстру (≈ топ-5%); відповідає практично всім перевіреним критеріям
Відмінний80-92Сильний за всіма напрямами; незначні прогалини
Добрий65-79Здоровий; прогалини обмежені та керовані
Помірний50-64Прийнятний, але з помітними прогалинами; рекомендовано перевірку
Слабкий35-49Суттєві недоліки в кількох сферах
У зоні ризику20-34Суттєві слабкі місця; впровадження потребує обережності
Критичний1-19Серйозні проблеми (покинутий, єдиний мейнтейнер, без базової гігієни)
ЖиттєздатністьСпільнота тавпровадженняСталість таврядуванняІнженернаякістьБезпекаГотовність доШІ

Профіль оцінок

Кожна вісь — окрема категорія. Форма важить більше, ніж середнє: здоровий об'єкт заповнює всю фігуру, тоді як профіль із піками та провалами означає, що сила в одному вимірі маскує ризик в іншому.

Зважений загальний бал 80 калібровано до 94 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

Amazon Web Services - LabsОрганізація · підтверджений домен
11 607 підписників1 035 публічних репозиторіївз січ. 2013 р.

За цим репозиторієм стоїть організація — спільна, підзвітна опіка, здатна пережити будь-якого окремого мейнтейнера.

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікаціяТеги
PyPIgluonts0.17.0308 20211450 днів томуdeep-learningforecastingmachine-learningprobabilistic-forecastingtime-series

Метрики за категоріями

Життєздатність

Чи живий проєкт — чи пишеться код і чи виходять релізи?

64Помірний · 21% загального індексу

Активність розробки

45Слабкий
Як обчислюється оцінка
18/36Свіжість push — останній push 50 дн. тому
4.8/36Ритм комітів — 7/52 тижнів із комітами
12.1/18Обсяг комітів — 21 комітів за останній рік
10/10OpenSSF Scorecard: Maintained — 16 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
Використані вхідні дані
commits_last_year21
human_commit_share0,98
days_since_last_push50
active_weeks_last_year7

Дисципліна релізів

92Відмінний
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 100 релізів
36/36Свіжість релізів — останній реліз 50 дн. тому
19.8/27Ритм релізів — реліз кожні ~101,1 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count100
latest_release_tagv0.17.0
releases_from_tagsні
days_since_latest_release50
mean_days_between_releases101,1
Виключено з оцінювання (немає даних або не застосовно): OpenSSF Scorecard: Signed-Releases. Залишкові ваги перенормовано.

Спільнота та впровадження

Чи має проєкт користувачів, завантаження, увагу та влаштовані умови для контриб’юторів?

93Винятковий · 17% загального індексу

Популярність і впровадження

95Винятковий
Як обчислюється оцінка
60/60Зірки — 5 236 зірок
24.4/25Форки — 837 форків
10.4/15Спостерігачі — 76 спостерігачів
Використані вхідні дані
forks837
stars5 236
watchers76
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Здоров'я спільноти

92Відмінний
Як обчислюється оцінка
22.5/22.5README
22.5/22.5Ліцензія — визнана ліцензія (Apache-2.0)
18/18Настанови CONTRIBUTING
13.5/13.5Кодекс поведінки
0/7.2Шаблон issue
6.3/6.3Шаблон PR
Використані вхідні дані
has_readmeтак
has_licenseтак
readme_badges4
has_contributingтак
has_issue_templateні
has_code_of_conductтак
readme_badge_servicesshields.io
has_pull_request_templateтак

Впровадження в екосистемі (завантаження)

92Відмінний
Як обчислюється оцінка
73.2/80Щомісячні завантаження — 308 202 завантажень/місяць у pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packagesgluonts
dependents—
ecosystemspypi
total_downloads—
monthly_downloads308 202
unverified_packages_excluded—
Виключено з оцінювання (немає даних або не застосовно): Залежні пакети в реєстрі. Залишкові ваги перенормовано.

Сталість та врядування

Чи переживе проєкт своїх людей — бас-фактор, реактивність, хто за ним стоїть і як супроводжуються пакети?

86Відмінний · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

81Відмінний
Як обчислюється оцінка
43.2/54Бас-фактор — на 4 контриб’ютор(ів) припадає половина всіх комітів
14/22.5Розподіл комітів — головний контриб’ютор — автор 38% комітів
13.5/13.5Широта контриб’юторів — 99 контриб’юторів
10/10OpenSSF Scorecard: Contributors — project has 18 contributing companies or organizations
Використані вхідні дані
bus_factor4
contributors_sampled99
top_contributor_share0,379

Реактивність на issue та PR

68Добрий
Як обчислюється оцінка
27.4/42Вирішення issue — закрито 65% issue
27.1/30Прийняття PR — злито 1 594/1 763 вирішених PR
0/13Newcomer PR acceptance — злито 0/1 PR від новачків за 30 дн.
13.5/15OpenSSF Scorecard: Code-Review — Found 27/30 approved changesets -- score normalized to 9
Використані вхідні дані
merged_prs1 594
open_issues343
closed_issues643
prs_merged_7d0
prs_decided_7d1
prs_merged_30d0
prs_decided_30d1
issue_closed_ratio0,652
closed_unmerged_prs169
first_time_authors_30d1
first_time_prs_merged_30d0
first_time_prs_decided_30d1

Власність та опіка

100Винятковий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
20/20Верифікований домен
25/25Охоплення власника — 11 607 підписників у awslabs
25/25Послужний список — 1 035 публічних репозиторіїв, вік облікового запису ~13 р.
Використані вхідні дані
followers11 607
owner_typeOrganization
is_verifiedтак
owner_loginawslabs
public_repos1 035
account_age_days4 993

Супровід пакетів

100Винятковий
Як обчислюється оцінка
25/25Опубліковано й доступно — 1 пакет(ів) у pypi
35/35Свіжість публікацій — остання публікація 50 дн. тому
20/20Історія версій — 114 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagesgluonts
ecosystemspypi
any_deprecatedні
min_days_since_publish50

Інженерна якість

Чи наявні базові інженерні практики та документація?

83Відмінний · 19% загального індексу

Інженерні практики

78Добрий
Як обчислюється оцінка
24/24Процеси CI — 13 процес(ів) CI
24/24Наявні тести
16/16Конфігурація лінтера — pyproject.toml ([tool.ruff], [tool.black], [tool.isort])
0/9.6Pre-commit-хуки
0/6.4.editorconfig
14/20OpenSSF Scorecard: CI-Tests — 23 out of 30 merged PRs checked by a CI test -- score normalized to 7
Використані вхідні дані
has_ciтак
has_testsтак
has_editorconfigні
has_linter_configтак
has_precommit_configні

Документація

90Відмінний
Як обчислюється оцінка
30/30README
25/25Каталог документації
15/15Сайт документації / домашня сторінка — https://ts.gluon.ai
10/10Опис репозиторію
10/10Теми — 15 тем
0/10Wiki
Використані вхідні дані
topicstime-series, deep-learning, forecasting, neural-networks, machine-learning, time-series-prediction, time-series-forecasting, mxnet, pytorch, aws, sagemaker, timeseries, artificial-intelligence, data-science, torch
has_wikiні
homepagehttps://ts.gluon.ai
docs_sitehttps://ts.gluon.ai
has_readmeтак
has_docs_dirтак
has_descriptionтак

Безпека

Чи міцні видимі практики безпеки й ланцюга постачання, без непослабленої пов’язаності з юрисдикціями високого ризику?

74Добрий · 16% загального індексу

Стан безпеки

67Добрий
Як обчислюється оцінка
7.5/7.5Binary-Artifacts — no binaries found in the repo
4.5/7.5Branch-Protection — branch protection is not maximal on development and all release branches
1.8/2.5CI-Tests — 23 out of 30 merged PRs checked by a CI test -- score normalized to 7
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
6.8/7.5Code-Review — Found 27/30 approved changesets -- score normalized to 9
2.5/2.5Contributors — project has 18 contributing companies or organizations
10/10Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Ліцензія — license file detected
7.5/7.5Maintained — 16 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
4.5/5SAST — SAST tool detected but not run on all commits
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — немає даних
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 24 existing vulnerabilities detected
Використані вхідні дані
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate6,7
Виключено з оцінювання (немає даних або не застосовно): Signed-Releases. Залишкові ваги перенормовано.

Сповіщення про залежності

100Винятковий
Як обчислюється оцінка
35/35Прямі залежності без відомих сповіщень — жодна пряма залежність не має відомих сповіщень
25/25Непрямі залежності без відомих сповіщень — жодна непряма залежність не має відомих сповіщень
0/40Немає задавнених сповіщень — жодне сповіщення не має дати публікації
Використані вхідні дані
sourceosv
advisories0
affected_packages0
assessed_packages13
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Виключено з оцінювання (немає даних або не застосовно): Немає задавнених сповіщень. Залишкові ваги перенормовано. Звірено з runtime-замиканням залежностей pypi:gluonts@0.17.0 — тим, що тягне за собою встановлення опублікованого пакета, — 13 пакетів. Досяжність не аналізується.

Готовність до ШІ

Наскільки репозиторій оснащений для розробки та супроводу за участі ШІ-агентів? Має свідомо малу вагу (4%): агентний інструментарій — реальний сигнал супроводу, але репозиторій без нього все одно може отримати 100/100.

72Добрий · 4% загального індексу

Контекст і настанови для агентів

40Слабкий
Як обчислюється оцінка
0/45Інструкції для агентів — немає CLAUDE.md / AGENTS.md / правил редактора
0/15Машиночитана документація (llms.txt)
40/40Читабельна історія комітів — намір зазначено у 96 з 98 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share0,98
agent_instruction_files—
agent_instruction_max_bytes—

Цикл верифікації (збірка / тести / перевірка типів)

82Відмінний
Як обчислюється оцінка
18/18Розгортання однією командою — Justfile, docs/Makefile
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера — pyproject.toml ([tool.ruff], [tool.black], [tool.isort])
11/11Статична перевірка типів — src/gluonts/core/py.typed
10/10Відтворюване середовище — Dockerfile
2/10Підтверджена практика роботи з агентами — 1 з останніх 100 комітів створено агентом або з його зазначенням
8/8Автоматизоване супроводження — 2 з останніх 100 комітів — автоматичні оновлення залежностей
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Використані вхідні дані
has_nixні
has_testsтак
lockfiles—
has_dockerfileтак
typed_languageні
bootstrap_filesJustfile, docs/Makefile
has_devcontainerні
has_linter_configтак
typecheck_configssrc/gluonts/core/py.typed
agent_commit_share0,01
toolchain_manifests—
dependency_bot_commit_share0,02

Читабельність коду для моделей

82Відмінний
Як обчислюється оцінка
27/45Типізований код — Python з конфігурацією перевірки типів (src/gluonts/core/py.typed)
54.9/55Керовані розміри файлів — 1/864 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes159 687
source_files_sampled864
oversized_source_files1

Машиночитні інтерфейси

100Винятковий
Як обчислюється оцінка
0/40Схема API (OpenAPI/GraphQL/proto) — не застосовно до цього типу програмного забезпечення
0/20Сервер MCP — не застосовно до цього типу програмного забезпечення
40/40Придатні до запуску приклади — examples, notebooks
Використані вхідні дані
example_dirsexamples, notebooks
has_mcp_signalні
api_schema_files—
interfaces_expected_of—
Виключено з оцінювання (немає даних або не застосовно): Схема API (OpenAPI/GraphQL/proto), Сервер MCP. Залишкові ваги перенормовано.

Ключові факти

5 236зірок GitHub
99контриб'юторів
21комітів за останні 12 місяців
50днів від останнього пушу
100релізів
4бас-фактор
343відкритих issue
PyPIпакетних екосистем

Попередження щодо збору даних

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token

Докладніше

Історія зірок і форків 0 ★ / 837 ⇿
0Зірки
837Форки
100Релізи

Коли додано кожну зірку й форк — зібрано з GitHub і згруповано за днями. Кумулятивне зростання розміщено просто над денними додаваннями, з яких воно складається, тож їх видно одне проти одного: рівномірне органічне накопичення виглядає зовсім інакше, ніж різкий короткочасний сплеск. Там, де цю різницю можна виміряти, її подано як автентичність росту.

02004006008001 000804252019-062023-012026-09
Мажорні 0Мінорні 13Патчі 79

Кожна точка охоплює 7 днів.

OpenSSF Scorecard 6.7 / 10
6.7сукупно

Незалежна, не прив'язана до інструментів оцінка безпеки від відкритого проєкту OpenSSF Scorecard. Кожна перевірка винагороджує практику безпеки, а не інструмент конкретного постачальника. Перевірки, які Scorecard не зміг визначити, позначено н/д і виключено з оцінки безпеки (вони ніколи не зараховуються як нуль).Scorecard v5.5.0 · 2026-09-20 08:22 UTC

10Binary-Artifactsno binaries found in the repo
6Branch-Protectionbranch protection is not maximal on development and all release branches
7CI-Tests23 out of 30 merged PRs checked by a CI test -- score normalized to 7
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
9Code-ReviewFound 27/30 approved changesets -- score normalized to 9
10Contributorsproject has 18 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained16 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
9SASTSAST tool detected but not run on all commits
10Security-Policysecurity policy file detected
н/дSigned-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities24 existing vulnerabilities detected
Прямі залежності 7
РеєстрПакетОбмеження версіїМаніфест
PyPInumpy>=1.24,<3pyproject.toml
PyPInumpy>=1.16,<3pyproject.toml
PyPIpandas>=1.4,<3pyproject.toml
PyPIpydantic>=1.7,<3pyproject.toml
PyPItqdm~=4.23pyproject.toml
PyPItoolz~=0.10pyproject.toml
PyPItyping-extensions~=4.0pyproject.toml
Усі залежності 66

Повний розв'язаний набір залежностей із графа залежностей GitHub: 8 прямих і 58 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPInumpy—пряма
PyPInumpy1.22.0пряма
PyPIpandas—пряма
PyPIpandas1.1.5пряма
PyPIpydantic—пряма
PyPItoolz—пряма
PyPItqdm—пряма
PyPItyping-extensions—пряма
PyPIautogluon-tabular—непряма
PyPIblack—непряма
PyPIboto3—непряма
PyPIbotocore—непряма
PyPIcatch22—непряма
PyPIclick—непряма
PyPIcython—непряма
PyPIdocutils—непряма
PyPIflask—непряма
PyPIfuro2022.6.4.1непряма
PyPIgeomloss—непряма
PyPIgluonts—непряма
PyPIhierarchicalforecast—непряма
PyPIholidays—непряма
PyPIipykernel—непряма
PyPIisort—непряма
PyPIjupyter—непряма
PyPIlightgbm—непряма
PyPIlightkit—непряма
PyPIlightning—непряма
PyPIlxml—непряма
PyPImatplotlib—непряма
PyPImatplotlib3.3.2непряма
PyPImxnet—непряма
PyPImypy1.8.0непряма
PyPInbconvert—непряма
PyPInbsphinx—непряма
PyPIoptuna—непряма
PyPIprophet—непряма
PyPIpylint—непряма
PyPIpytest—непряма
PyPIpytest-cov—непряма
PyPIpytest-rerunfailures—непряма
PyPIpytest-runner—непряма
PyPIpytest-timeout—непряма
PyPIpytest-xdist—непряма
PyPIpython-dotenv—непряма
PyPIpytorch-lightning—непряма
PyPIpytorchts0.2.0непряма
PyPIrequests—непряма
PyPIrpy2—непряма
PyPIruff0.2.2непряма
PyPIs3fs—непряма
PyPIsagemaker—непряма
PyPIscikit-learn—непряма
PyPIscipy1.10.0непряма
PyPIseaborn—непряма
PyPIsetuptools—непряма
PyPIsklearn—непряма
PyPIsphinx—непряма
PyPIstatsforecast—непряма
PyPIstatsmodels—непряма
PyPItensorboard—непряма
PyPItensorboard2.3.0непряма
PyPItorch—непряма
PyPIwaitress—непряма
PyPIxgboost—непряма
PyPIxlrd—непряма
Сповіщення про залежності 0

Встановлення pypi:gluonts@0.17.0 тягне 13 пакетів, прямих і транзитивних: 0 мають відомі сповіщення, з них 0 — прямі залежності.

Жодне відоме сповіщення не стосується оцінених залежностей.

Сповіщення означає, що версія, записана в графі залежностей, потрапляє в уражений діапазон. Досяжність не аналізується, а граф містить піниї розробки й тестування — знахідка може стосуватися інструментів, а не поставленого коду.

Звіт у форматі JSON машиночитний

Зворотний зв’язок

Помітили щось хибне у цьому звіті або маєте чим поділитися? Неправильні вимірювання, непомічені інструменти, ідеї, запитання — усе доречно. Кожне повідомлення читається й отримує відповідь.

Повідомлення збережеться під час входу.

Пов’язані записи

Перевірені репозиторії, що мають спільні каталожні теги або екосистеми з awslabs/gluonts. Читати поруч →

98autogluon/autogluonFast and Accurate ML in 3 Lines of CodeВинятковий98Nixtla/neuralforecastScalable and user friendly neural :brain: forecasting algorithms.Винятковий98sktime/sktimeA unified framework for machine learning with time seriesВинятковий98keras-team/kerasDeep Learning for humansВинятковий96aws/sagemaker-python-sdkA library for training and deploying machine learning models on Amazon SageMakerВинятковий96Lightning-AI/pytorch-lightningPretrain, finetune ANY AI model of ANY size on 1 or 10,000+ GPUs with zero code changes.Винятковий

Оцінки — це сигнали, а не гарантії. Вони відображають публічно видимі практики на GitHub — це не аудит коду й не гарантія безпеки.

Відсутні дані виключаються, а ваги перенормовуються — нуль за відсутність ніколи не ставиться. Методологія версіонована й відкрита: метрики v2.10.0, схема v0.34.0 — повна методологія · вікі метрик.

Як окремий результат виглядає на тлі всього реєстру: сукупна статистика — PyPI.