Syntetisk datagenerator

Dette verktøyet genererer syntetiske datasett fra et brukerdefinert skjema og støtter numeriske, kategoriske og booleske variabler med konfigurerbar utvalgs størrelse. Det muliggjør reproducerbare eksperimenter via seed-basert generering og bevaring av variablers relasjoner gjennom kovarianser eller kopulaer. Valgfrie personverninnstillinger kan legge til støy eller DP-inspirerte justeringer. De genererte datasettene letter ML-modelltrening, ETL-tester og personvernvennlig deling av data uten å avsløre virkelige poster.
Konseptuelt definerer du per-variabel definisjoner (navn, type, distribusjonsparametere) og valgfrie korrelasjoner; motoren trekker prøver fra angitte margner og anvender transformasjoner for å oppnå målfordelinger og relasjoner. Output inkluderer datasettet og en detaljert genereringsmetadata-blokk for revisjon. Verktøyet støtter flere eksportformater som CSV, JSON og Parquet, noe som gjør det enkelt å integrere i data science-notebooks og pipelines.
Hvem drar nytte av det: data scientists, ML-ingeniører, QA-testere og dataingeniører som trenger repeterbare data, realistiske fordelingsmønstre og kontrollert personvern. Verdien kommer fra en skjemabasert tilnærming kombinert med reproduksjonsevne, provenance metadata og personvernvennlige alternativer som kan tilpasses prosjektbehov.