A avaliação de métodos de detecção de anomalias em séries temporais multivariadas é um desafio devido à falta de datasets de benchmark detalhados. Fun-TSG é um gerador de séries temporais personalizável que visa melhorar essa avaliação, permitindo a geração automatizada ou manual com total transparência.
Este conteúdo ensina a utilizar a biblioteca Mimesis para criar um conjunto de dados balanceado e contrafactual. O objetivo é analisar e identificar potenciais vieses em modelos de inteligência artificial.
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.
O artigo demonstra como usar o Chat GPT para gerar conjuntos de dados JSON mock realistas, úteis para preencher documentação ou ambientes de desenvolvimento. Ele oferece um prompt específico para criar entradas de folha de ponto com tarefas de desenvolvimento de software verossímeis.