Generador de datos sintéticos

Esta herramienta genera conjuntos de datos sintéticos a partir de un esquema definido por el usuario y admite características numéricas, categóricas y booleanas con tamaño de muestra configurable. Permite experimentos reproducibles mediante generación basada en semilla y la conservación de relaciones entre características a través de covarianzas o copulas. Las opciones de privacidad opcionales pueden introducir ruido o ajustes inspirados por DP. Los conjuntos generados facilitan el entrenamiento de modelos ML, pruebas de ETL y compartir datos respetuosos con la privacidad sin exponer registros reales.
Conceptualmente, define definiciones por característica (nombre, tipo, parámetros de distribución) y correlaciones opcionales; el motor toma muestras de las margenes indicados y aplica transformaciones para lograr las distribuciones y relaciones objetivo. Las salidas incluyen el conjunto de datos y un bloque de metadatos de generación para auditoría. El tool admite varios formatos de exportación como CSV, JSON y Parquet, facilitando la integración en cuadernos y pipelines de ciencia de datos.
¿Quién se beneficia? data scientists, ingenieros ML, probadores QA y data engineers que necesitan datos reproducibles, distribuciones realistas y privacidad controlada. El valor único proviene de un enfoque guiado por esquemas, combinando reproducibilidad, metadatos de procedencia y opciones de privacidad que pueden adaptarse a requerimientos de proyecto.