Gerador de dados sintéticos

Esta ferramenta gera conjuntos de dados sintéticos a partir de um esquema definido pelo usuário e suporta características numéricas, categóricas e booleanas com tamanho de amostra configurável. Permite experimentos reprodutíveis por meio de geração baseada em semente e a preservação de relações entre características por meio de covariâncias ou copulas. Opções de privacidade opcionais podem introduzir ruído ou ajustes inspirados em DP. Os conjuntos gerados ajudam no treinamento de modelos ML, testes de ETL e compartilhamento de dados compatível com privacidade sem expor registros reais.
Conceitualmente, você define definições por característica (nome, tipo, parâmetros de distribuição) e correlações opcionais; o motor extrai amostras das margens especificadas e aplica transformações para alcançar as distribuições e relações desejadas. Saídas incluem o conjunto de dados e um bloco de metadados de geração para auditoria. A ferramenta suporta vários formatos de exportação como CSV, JSON e Parquet, facilitando integração em notebooks e pipelines de ciência de dados.
Beneficiários: cientistas de dados, engenheiros ML, testadores QA e engenheiros de dados que precisam de dados reprodutíveis, distribuições realistas e privacidade controlada. O valor único vem de uma abordagem orientada a esquemas combinada com reprodutibilidade, metadados de proveniência e opções de privacidade ajustáveis aos requisitos do projeto.