synthetic-data-examples
跑通几个 Notebook，快速学会生成合成数据
synthetic-data-examples 是一个用 Jupyter Notebook 编写的合成数据生成示例合集，主要面向需要生成训练数据但受限于隐私、成本或数据稀缺的机器学习开发者。项目通过多个可运行的 notebook，演示如何用不同方法生成结构化、表格型或文本类合成数据，覆盖常见库和工具链，帮助用户快速理解合成数据的生成流程与效果评估。核心能力包括：展示多种生成策略（如基于统计分布、生成模型、规则模板等）的代码实现；提供可直接复用的示例代码，降低上手门槛；对比真实数据与合成数据的分布差异，辅助判断生成质量。它解决的是“知道合成数据有用但不知道从哪下手”的问题，适合作为入门参考和教学材料。项目体量较小，属于早期示例集合，不提供完整框架或生产级工具，更适合学习与原型验证。
项目数据
使用教程
核心亮点
- 用 Jupyter Notebook 呈现，代码、说明和输出在同一页面，边看边跑，学习成本低
- 覆盖多种合成数据生成思路，不局限于单一库或方法，便于横向对比
- 示例代码可直接复制到自己的项目中修改，适合快速原型验证
不足之处
- 项目星标较少，社区活跃度和维护频率有限，长期更新不确定
- 示例偏教学性质，缺少生产级封装、性能优化和完整评估指标
适用场景
- 机器学习初学者想了解合成数据生成的基本流程和常用方法
- 数据科学家在隐私敏感场景下需要快速生成替代数据做实验
- 教师或培训者寻找可演示的合成数据教学案例
替代项目
sdv、ydata-synthetic、faker
项目介绍
下一篇：sdg_hub
同类项目推荐
X-AnyLabeling
开源
一站式AI辅助标注，图像视频文本通吃，导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models
stopes
开源
一键准备多语言翻译数据，从清洗到挖掘平行语料
A library for preparing data for machine translation research (monolingual preproces···