Synthetic Data Generation e Data Augmentation

Programma:

1. Introduzione ai dati sintetici e motivazioni di utilizzo;

2. Necessità e applicazioni in domini sensibili;

3. GAN per generazione immagini e pattern complessi;

4. VAE per data synthesis in spazi latenti;

5. Diffusion models per dati ad alta fedeltà;

6. Simulazioni realistiche guidate da modelli fisici o agenti;

7. Data balancing con sintesi di classi rare;

8. Privacy, anonimizzazione e riduzione del rischio re-identificazione;

9. Validazione statistica dei dati sintetici generati;

10. Data augmentation per migliorare robustezza dei modelli;

11. Bias reduction tramite campionamento controllato;

12. Simulazioni industriali per testare scenari estremi;

13. Strumenti open source per synthetic data e pipeline;

14. AI etica dei dati e linee guida d’uso;

15. Progetto sintetico con generazione e valutazione di un dataset.