synthetic-data

トレーディングのための機械学習コード、第3版 — データソースの確保からライブ実行まで。

基盤モデルのための、そして基盤モデルを使ったデータ処理！ 🍎 🍋 🌽 ➡️ ➡️🍸 🍹 🍷

AIシステムの構築、評価、最適化。evals、RAG、エージェント、ファインチューニング、合成データ生成、データセット管理、MCPなどを含む。

Mimesisは、複数の言語やロケールで偽物だが現実的なデータを生成するためのPythonライブラリ

フォトリアルな学習用画像生成のための、Blenderプロシージャルパイプライン

表形式データのための合成データ生成

Distilabel は、検証済みの研究論文に基づいた高速、信頼性、拡張性のあるパイプラインを必要とするエンジニア向けの、合成データおよび AI フィードバック用フレームワークです。

因果推論および確率的推論のためのPythonツールキット

合成患者集団シミュレーター

SDGは、高品質な構造化表データ生成のために設計された特化型フレームワークです。

UnrealCV: コンピュービジョンを Unreal Engine に接続する

🎨 NeMo Data Designer: スクラッチまたはシードデータから高品質な合成データを生成する。

データベースの匿名化とテストデータ管理

事後学習および構造化データ抽出のための合成データキュレーション。

表形式データおよび時系列データ向けの合成データジェネレーター

ノーコードで AI モデルを使用してデータセットを構築、拡張、変換

合成表形式データを生成するための条件付き GAN

宣言型データジェネレーター

シミュレーションされた現実的な合成インタラクションを使用して、エージェントの包括的な診断と最適化を行うためのフレームワーク。

DataDreamer: プロンプト。合成データの生成。モデルのトレーニングとアライメント。

Synthadoc: 生ドキュメントを構造化されたローカルファーストのWikiに変換するオープンソースのLLM知識コンパイルエンジン。ツールを使用せずに自己管理および自己改善が可能な、従来のRAGに代わる透明性が高く人間が読める代替手段。

単一のパイプラインで高品質な合成データの生成、トレーニング、測定、評価を行う

[ICLR 2025] アライメント済み LLM に何も与えずにプロンプティングすることによる、ゼロからのアライメントデータ合成。効率的で高品質な合成データ生成パイプライン！

GPT を使用せずにデータ用の合成指示チューニングデータセットを生成するための軽量ライブラリ

確率付きの応答を要求することで LLM のモード崩壊を軽減する、トレーニング不要のプロンプティング戦略「Verbalized Sampling」。品質を維持しながら多様性を 2〜3 倍に向上させます。クリエイティブライティング、合成データ生成、対話シミュレーション向けの CLI/API を備えたモデル非依存のフレームワーク。

合成データSDK ✨

MAMMA の公式コード: マーカーレスで高精度な多人数モーションキャプチャ

手元で簡単に設定可能な、合成スキーマとナレッジグラフの生成ツール

プライバシー、公平性、データ拡張のための合成表形式データを生成および評価するライブラリ。

コピュラを使用して多変量データをモデリングするライブラリ