La evaluación de métodos de detección de anomalías en series temporales multivariadas es difícil por la falta de datasets de referencia detallados. Fun-TSG es un generador personalizable de series temporales que mejora esta evaluación, permitiendo la generación automatizada o manual con total transparencia.
Este contenido enseña cómo usar la biblioteca Mimesis para generar un conjunto de datos equilibrado y contrafactual. Esto ayuda a analizar e identificar posibles sesgos en los modelos de IA.
SIEVE propõe um método para aprendizado paramétrico com eficiência de amostra a partir de contexto de linguagem natural, necessitando de apenas três exemplos de consulta. Ele emprega uma pipeline de geração de dados sintéticos, SIEVE-GEN, que decompõe o contexto para gerar resultados de maior qualidade e destilar o contexto no modelo.
El artículo demuestra cómo usar Chat GPT para generar conjuntos de datos JSON simulados y realistas, especialmente útil para poblar documentación o entornos de desarrollo. Proporciona un prompt específico para generar entradas de hoja de tiempo con tareas de desarrollo de software realistas.