synthetic-data

Código para Machine Learning for Trading, 3ª edición: desde la obtención de datos hasta la ejecución en vivo.

¡Procesamiento de datos para y con modelos fundamentales! 🍎 🍋 🌽 ➡️ ➡️🍸 🍹 🍷

Construye, evalúa y optimiza sistemas de IA. Incluye evaluaciones, RAG, agentes, ajuste fino, generación de datos sintéticos, gestión de conjuntos de datos, MCP y más.

Mimesis es una librería de Python para generar datos falsos pero realistas en múltiples idiomas y configuraciones regionales.

Un pipeline procedural de Blender para la generación de imágenes de entrenamiento fotorrealistas

Generación de datos sintéticos para datos tabulares

Distilabel es un framework para datos sintéticos y retroalimentación de IA para ingenieros que necesitan flujos rápidos, confiables y escalables basados en artículos de investigación verificados.

Conjunto de herramientas de Python para razonamiento causal y probabilístico.

Simulador sintético de población de pacientes

SDG es un framework especializado diseñado para generar datos tabulares estructurados de alta calidad.

UnrealCV: Conectando la visión por computador con Unreal Engine

🎨 NeMo Data Designer: Genera datos sintéticos de alta calidad desde cero o a partir de datos semilla.

Anonimización de bases de datos y gestión de datos de prueba.

Curación de datos sintéticos para post-entrenamiento y extracción de datos estructurados

Generadores de datos sintéticos para datos tabulares y de series temporales

Construye, enriquece y transforma conjuntos de datos utilizando modelos de IA sin necesidad de código.

GAN condicional para generar datos tabulares sintéticos.

El generador de datos declarativo.

Un marco para el diagnóstico integral y la optimización de agentes mediante interacciones sintéticas simuladas y realistas

DataDreamer: Escribe prompts, genera datos sintéticos, entrena y alinea modelos.

Synthadoc: motor de compilación de conocimiento LLM de código abierto que convierte documentos sin procesar en wikis estructurados y locales. Una alternativa transparente y legible por humanos al RAG tradicional, autogestionable y auto-mejorable sin herramientas externas.

Generación de datos sintéticos de alta calidad, entrenamiento, medición y evaluación en un único pipeline

[ICLR 2025] Síntesis de datos de alineación desde cero mediante prompts a LLMs alineados. ¡Su pipeline eficiente y de alta calidad para la generación de datos sintéticos!

Una biblioteca ligera para generar conjuntos de datos de ajuste de instrucciones sintéticas sin usar GPT.

Verbalized Sampling, una estrategia de prompting sin entrenamiento para mitigar el colapso de modo en LLMs solicitando respuestas con probabilidades. Logra una mejora de diversidad de 2-3x manteniendo la calidad. Marco agnóstico al modelo con CLI/API para escritura creativa, generación de datos sintéticos y simulación de diálogos.

SDK de datos sintéticos ✨

Código oficial para MAMMA: Markerless Accurate Multi-person Motion Acquisition.

Generación configurable de esquemas sintéticos y grafos de conocimiento al alcance de tu mano.

Una biblioteca para generar y evaluar datos tabulares sintéticos para privacidad, equidad y aumento de datos.

Una biblioteca para modelar datos multivariados mediante cópulas.