Я уже писал в одном из постов выше (была ссылка на статью от MIT) про важность использования синтетических данных в процессах обучения ML моделей. Сегодня вот еще одна статья на эту тему, про решение Datafaker. Datafaker — это библиотека, написанная на Java, которая может использоваться в популярных языках JVM, таких, как Java, Kotlin или Groovy. Ее разработка начиналась как форк больше не поддерживаемого Javafaker, но с момента ее создания она претерпела множество улучшений. Datafaker состоит из ядра, управляющего генерацией данных, а поверх него имеется широкий спектр провайдеров данных, специфичных для конкретной области. Такие провайдеры могут быть очень полезными, например, для генерации реальных адресов, имен, номеров телефонов, кредитных карт и других данных, а иногда они могут быть более легковесными, например, при создании персонажей телешоу Friends или IT Crowd. Независимо от вашего сценария использования, существует большая вероятность того, что Datafaker сможет предоставить данные для вашего приложения. А если есть доступный поставщик данных, Datafaker предоставляет возможность подключаемой системы для создания ваших собственных поставщиков! https://habr.com/ru/post/667610/