Syntetisk datagenerator

Detta verktyg genererar syntetiska dataset från ett användardefinierat schema och stödjer numeriska, kategoriska och booleska funktioner med konfiguerbar sample size. Det möjliggör reproducerbara experiment genom seed-baserad generering och bevarandet av funktioners relationer via kovarianser eller kopulas. Valfria privacy-alternativ kan lägga till brus eller DP-inspirerade justeringar. De genererade dataset hjälper ML-modellträning, ETL-testning och privacy-säker data delning utan verkliga poster.
Konceptuellt definierar du per-funktion definitions (namn, typ, distributionsparametrar) och valfria korrelationer; motor tar prover från angivna marginaler och tillämpar transformationer för att uppnå måldistributioner och relationer. Outputen inkluderar datasetet och en detaljerad generate metadata-block för granskning. Verktyget stöder flera exportformat som CSV, JSON och Parquet, vilket gör det enkelt att integrera i data science-notebooks och pipelines.
Vem gagnas: data scientists, ML-ingenjörer, QA-testare och dataingenjörer som behöver upprepbara data, realistiska fördelningar och kontrollerad integritet. Värdet ligger i en schema-drivna metod som kombinerar reproducerbarhet, provenance metadata och privacy-vänliga alternativ som kan anpassas efter projektkrav.