Generatore di dati sintetici

Questo strumento genera dataset sintetici da uno schema definito dall’utente e supporta caratteristiche numeriche, categoriali e boolean con dimensione di campione configurabile. Permette esperimenti riproducibili tramite generazione basata su seed e la conservazione delle relazioni tra caratteristiche tramite covariance o copule. Opzioni di privacy opzionali possono introdurre rumore o aggiustamenti ispirati DP. I dataset generati facilitano l’addestramento di modelli ML, i test ETL e la condivisione di dati conforme alla privacy senza esporre record reali.
Concettualmente si definiscono definizioni per caratteristica (nome, tipo, parametri di distribuzione) e correlazioni opzionali; il motore estrae campioni dai margini specificati e applica trasformazioni per ottenere le distribuzioni e le relazioni desiderate. Le uscite includono il dataset e un blocco di metadati di generazione per audit. Lo strumento supporta vari formati di esportazione come CSV, JSON e Parquet, per integrazione immediata in notebook e pipeline di data science.
Chi ne trae beneficio: data scientists, ingegneri ML, tester QA e data engineer che necessitano di dati riproducibili, distribuzioni realistiche e privacy controllata. Il valore unico deriva da un approccio basato su schema combinato con riproducibilità, metadati di provenienza e opzioni orientate alla privacy che possono essere tarate per i requisiti del progetto.