趋近智
机器学习合成数据介绍
章节 1: 了解合成数据
什么是合成数据？
为何生成人工数据？
真实数据与合成数据
常用术语
潜在优势
一般限制
章节 2: 数据生成的基本方法
数据生成模型的构想
从统计分布生成数据
基于规则的系统简介
生成简单的数值数据
生成简单分类数据
动手实践：创建基本合成数据
章节 3: 生成合成表格数据
理解表格数据结构
行采样方法
独立列值生成
维护列的基本关联性
数据匿名化方法概述
动手实践：生成一个合成表格
章节 4: 介绍合成图像数据
图像数据为何需要合成？
图像的基本属性：像素与色彩
用简单形状和图案制作图像
施加噪声与简单数据增强
简单场景的渲染入门
生成真实感图像的困难
动手实践：生成简单的合成图像
章节 5: 评估合成数据质量
评估的重要性
视觉检查方法
基本统计比较
比较数据分布
保真度与实用性的理念
章节 6: 工具和库概览
软件在数据生成中的作用
用于基本数据操作的库 (NumPy, Pandas)
Faker 库简介
简单图像处理库 (Pillow, Scikit-image)
查找生成工具
软件在数据生成中的作用
这部分内容有帮助吗？
- Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems, Martin Kleppmann, 2017 (O'Reilly Media) - 讨论构建可扩展和可靠数据系统的原则，这些原则直接适用于大规模数据生成软件的设计和实现。
- Synthetic Data Generation with Differential Privacy, James Jordon, Mihaela van der Schaar, 2020 International Conference on Artificial Intelligence and Statistics, Vol. 108 (Proceedings of Machine Learning Research) - 探索生成在维护统计属性的同时保护隐私的合成数据的方法，展示了软件必须处理的复杂性。