Synthetic data

Synthetic data je umelo vytvorené dáta generované simuláciou, pravidlami alebo modelom tak, aby napodobňovali vybrané vlastnosti reálneho prostredia.

Použitie závisí od konkrétnej úlohy a očakávaného výsledku. V praxi treba kontrolovať pôvod, kvalitu, aktuálnosť, oprávnenie na použitie a reprezentatívnosť dát.

Overenie sa robí na reprezentatívnych dátach alebo scenároch, voči jasnej porovnávacej základni a pomocou metrík zodpovedajúcich reálnemu cieľu. Kontrola má zahŕňať aj hraničné prípady, neistotu a prevádzkové náklady.

Rizikom je slabá kvalita, neaktuálnosť, skreslenie, únik informácií alebo nejasné oprávnenie na použitie. Potrebná je dátová stopa, kontrola pôvodu, reprezentatívnosti a pravidlá uchovávania.

Synthetic data sa od pojmov System prompt, Test set, Training set odlišuje funkciou, vstupmi, spôsobom výpočtu a účelom výsledku. Súvisiace pojmy môžu spolupracovať, nie sú však automaticky zameniteľné.