TimeNet es un proyecto de código abierto que introduce un formato de almacenamiento unificado, TimeF, para resolver la incompatibilidad de estructuras de datos en series temporales. A diferencia de otras herramientas que se centran exclusivamente en el entrenamiento de modelos, TimeNet gestiona la capa de datos, permitiendo a los usuarios encontrar, construir, descargar y cargar conjuntos de datos mediante una API estandarizada. Esta arquitectura separa la gestión de datos del proceso de entrenamiento, manteniendo la flexibilidad para utilizar cualquier framework de IA existente para el análisis y la inferencia.
El sistema opera mediante un registro centralizado que almacena versiones inmutables de los datos en el formato TimeF. Cada versión incluye un manifiesto, una jerarquía de control y los valores de las señales almacenados en Parquet o Zarr. Los conectores convierten las fuentes de datos crudas en este formato estandarizado, facilitando la interoperabilidad sin necesidad de importar los conectores específicos en cada aplicación. TimeNet requiere Python 3.11 o superior y se distribuye a través de uv, ofreciendo una CLI para la construcción y un SDK para el consumo de datos.
Actualmente, el proyecto se encuentra en fase pre-lanzamiento, lo que implica que la API pública y el formato TimeF pueden cambiar antes de la versión 1.0. El equipo ha lanzado un hackathon online para explorar la capacidad de los modelos de IA temporal con este nuevo formato. El repositorio está bajo licencia MIT, aunque las licencias de los conjuntos de datos individuales permanecen bajo los términos de sus fuentes originales.
