Génération pratique de données synthétiques : Équilibrer la protection de la vie privée et la large disponibilité des données

Avis des lecteurs

Résumé:

Ce livre ne répond pas aux attentes des lecteurs à la recherche d'une ressource technique, en particulier dans le domaine de l'apprentissage automatique, car il manque d'applications pratiques, d'exemples de codage et de contenu substantiel.

Avantages:

L'auteur semble avoir une grande confiance dans son propre travail par rapport à ce livre, ce qui indique qu'il pense que sa propre ressource est bien plus complète et utile.

Inconvénients:

Le livre n'est pas technique, ne contient pas de code ou de formules, a peu de références, est court (145 pages) avec de grandes images peu informatives, et n'est pas adapté aux praticiens de l'apprentissage automatique.

(basé sur 1 avis de lecteurs)

Titre original :

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

Contenu du livre :

Pour construire et tester des modèles d'apprentissage automatique, il faut avoir accès à des données nombreuses et variées. Mais où trouver des ensembles de données utilisables sans se heurter à des problèmes de confidentialité ? Cet ouvrage pratique présente des techniques de génération de données synthétiques - de fausses données générées à partir de données réelles - afin que vous puissiez effectuer des analyses secondaires pour effectuer des recherches, comprendre les comportements des clients, développer de nouveaux produits ou générer de nouveaux revenus.

Les scientifiques des données apprendront comment la génération de données synthétiques permet de rendre ces données largement disponibles à des fins secondaires tout en répondant à de nombreuses préoccupations en matière de protection de la vie privée. Les analystes apprendront les principes et les étapes de la génération de données synthétiques à partir d'ensembles de données réels. Enfin, les chefs d'entreprise verront comment les données synthétiques peuvent contribuer à accélérer la mise au point d'un produit ou d'une solution.

Ce livre décrit :

⬤ Les étapes pour générer des données synthétiques en utilisant des distributions normales multivariées.

⬤ Les méthodes d'ajustement des distributions couvrant différentes mesures de qualité d'ajustement.

⬤ Comment reproduire la structure simple des données originales.

⬤ Une approche de la modélisation de la structure des données pour prendre en compte les relations complexes.

⬤ Les multiples approches et mesures que vous pouvez utiliser pour évaluer l'utilité des données.

⬤ Comment les analyses effectuées sur des données réelles peuvent être reproduites avec des données synthétiques.

⬤ Les implications des données synthétiques sur la vie privée et les méthodes d'évaluation de la divulgation de l'identité.

Autres informations sur le livre :

• ISBN : 9781492072744
• Auteur : El Emam Khaled
• Éditeur : Oreilly Media
• Reliure : Broché
• Année de publication : 2020
• Nombre de pages : 175