synthetic-data

Código para Machine Learning for Trading, 3ª edição — desde a obtenção de dados até a execução em tempo real.

Processamento de dados para e com modelos de fundação! 🍎 🍋 🌽 ➡️ ➡️🍸 🍹 🍷

Construa, avalie e otimize sistemas de IA. Inclui avaliações, RAG, agentes, ajuste fino, geração de dados sintéticos, gerenciamento de conjuntos de dados, MCP e muito mais.

Mimesis é uma biblioteca Python para gerar dados falsos, porém realistas, em vários idiomas e localidades.

Um pipeline procedural do Blender para geração de imagens de treinamento fotorrealistas

Geração de dados sintéticos para dados tabulares

Distilabel é um framework para dados sintéticos e feedback de IA para engenheiros que precisam de pipelines rápidos, confiáveis e escaláveis baseados em artigos de pesquisa verificados.

Kit de ferramentas Python para raciocínio causal e probabilístico

Simulador de população de pacientes sintéticos.

SDG é um framework especializado projetado para gerar dados tabulares estruturados de alta qualidade.

UnrealCV: Conectando Visão Computacional ao Unreal Engine

🎨 NeMo Data Designer: Gere dados sintéticos de alta qualidade do zero ou a partir de dados semente.

Anonimização de banco de dados e gerenciamento de dados de teste.

Curadoria de dados sintéticos para pós-treinamento e extração de dados estruturados.

Geradores de dados sintéticos para dados tabulares e séries temporais

Construa, aprimore e transforme conjuntos de dados usando modelos de IA sem código

GAN condicional para gerar dados tabulares sintéticos.

O gerador de dados declarativo

Um framework para diagnóstico abrangente e otimização de agentes usando interações sintéticas realistas e simuladas

DataDreamer: Crie prompts. Gere dados sintéticos. Treine e alinhe modelos.

Synthadoc: Um motor de compilação de conhecimento LLM de código aberto que transforma documentos brutos em wikis estruturadas e locais. Uma alternativa transparente e legível por humanos ao RAG tradicional, que pode ser autogerenciada e autoaprimorada sem o uso de ferramentas externas.

Gere sintéticos de alta qualidade, treine, meça e avalie em um único pipeline

[ICLR 2025] Síntese de dados de alinhamento do zero, solicitando LLMs alinhados com nada. Seu pipeline de geração de dados sintéticos eficiente e de alta qualidade!

Uma biblioteca leve para gerar conjuntos de dados de ajuste de instrução sintéticos para seus dados sem usar GPT.

Verbalized Sampling, uma estratégia de prompting sem treinamento para mitigar o colapso de modo em LLMs solicitando respostas com probabilidades. Alcança uma melhoria de diversidade de 2-3x mantendo a qualidade. Framework agnóstico ao modelo com CLI/API para escrita criativa, geração de dados sintéticos e simulação de diálogo.

SDK de Dados Sintéticos ✨

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

Geração configurável de esquemas sintéticos e grafos de conhecimento ao seu alcance.

Uma biblioteca para gerar e avaliar dados tabulares sintéticos para privacidade, equidade e aumento de dados.

Uma biblioteca para modelar dados multivariados usando cópulas.