Gyakorlati szintetikus adatgenerálás: Az adatvédelem és az adatok széles körű hozzáférhetősége közötti egyensúly megteremtése

Olvasói vélemények

A könyv nem felel meg a műszaki forrást kereső olvasók elvárásainak, különösen a gépi tanulás terén, mivel hiányoznak belőle a gyakorlati alkalmazások, a kódolási példák és a tartalmas tartalom.

Úgy tűnik, hogy a szerző a könyvhöz képest nagy bizalommal van a saját munkája iránt, ami azt jelzi, hogy saját forrását sokkal átfogóbbnak és értékesebbnek tartja.

A könyv nem technikai jellegű, nem tartalmaz kódot vagy képleteket, gyér hivatkozásokkal rendelkezik, 145 oldalával rövid, nagyméretű, nem informatív képekkel, és nem alkalmas a gépi tanulással foglalkozó szakemberek számára.

(1 olvasói vélemény alapján)

Eredeti címe:

Practical Synthetic Data Generation: Balancing Privacy and the Broad Availability of Data

Könyv tartalma:

A gépi tanulási modellek felépítéséhez és teszteléséhez nagy és változatos adatokhoz kell hozzáférni. De hol találhat használható adathalmazokat anélkül, hogy adatvédelmi problémákba ütközne? Ez a gyakorlatias könyv bemutatja a szintetikus adatok - valódi adatokból generált hamis adatok - létrehozásának technikáit, hogy másodlagos elemzéseket végezhessen a kutatáshoz, az ügyfelek viselkedésének megértéséhez, új termékek kifejlesztéséhez vagy új bevételek generálásához.

Az adattudósok megtanulják, hogy a szintetikus adatok előállítása hogyan teszi az ilyen adatokat széles körben elérhetővé másodlagos célokra, miközben számos adatvédelmi aggályt kezel. Az elemzők megtanulják a szintetikus adatok valós adatkészletekből történő előállításának elveit és lépéseit. Az üzleti vezetők pedig láthatják, hogy a szintetikus adatok hogyan segíthetnek felgyorsítani a termék vagy megoldás kifejlesztésének idejét.

Ez a könyv a következőket írja le:

⬤ Szintetikus adatok előállításának lépései többváltozós normális eloszlások felhasználásával.

⬤ Az eloszlásillesztés módszerei, amelyek különböző illeszkedési jósági mérőszámokat tartalmaznak.

⬤ Hogyan lehet megismételni az eredeti adatok egyszerű szerkezetét.

⬤ Az adatszerkezet modellezésének megközelítése az összetett kapcsolatok figyelembevétele érdekében.

⬤ Többféle megközelítés és mérőszám, amelyet az adatok hasznosságának értékelésére használhat.

⬤ Hogyan lehet a valós adatokon végzett elemzést szintetikus adatokkal megismételni.

⬤ A szintetikus adatok adatvédelmi vonatkozásai és a személyazonosság felfedésének értékelésére szolgáló módszerek.