Enable javascript in your browser for better experience. Need to know to enable it? Go here.
Atualizado em : Apr 26, 2023
NÃO ENTROU NA EDIÇÃO ATUAL
Este blip não está na edição atual do Radar. Se esteve em uma das últimas edições, é provável que ainda seja relevante. Se o blip for mais antigo, pode não ser mais relevante e nossa avaliação pode ser diferente hoje. Infelizmente, não conseguimos revisar continuamente todos os blips de edições anteriores do Radar. Saiba mais
Apr 2023
Trial ? Vale a pena ir atrás. É importante entender como desenvolver essa capacidade. As empresas devem experimentar esta tecnologia em um projeto que possa lidar com o risco.

Synthetic Data Vault (SDV) é um ecossistema de bibliotecas para geração de dados sintéticos, que podem aprender a distribuição de um conjunto de dados para gerar dados sintéticos com o mesmo formato e propriedades estatísticas da fonte. No passado, falamos sobre as desvantagens de usar dados de produção em ambientes de teste. No entanto, as nuances da distribuição dos dados em produção dificilmente podem ser replicadas manualmente, resultando em defeitos e surpresas. Tivemos boas experiências usando SDV para gerar grandes volumes de dados para testes de desempenho. O SDV se sai bem com a modelagem de uma tabela única. No entanto, o tempo de geração de dados aumenta consideravelmente conforme o número de tabelas com restrições de chave estrangeira aumenta. Apesar disso, SDV é uma ótima promessa para testes de desempenho local. É uma boa ferramenta para geração de dados sintéticos e vale a pena considerar para suas necessidades de teste.

Oct 2022
Assess ? Vale a pena explorar com o objetivo de compreender como isso afetará sua empresa.

Synthetic Data Vault (SDV) é um ecossistema de bibliotecas de geração de dados sintéticos que pode aprender a distribuição de um conjunto de dados para gerar dados sintéticos com o mesmo formato e propriedades estatísticas que a fonte. No passado, falamos sobre as desvantagens de usar dados de produção em ambientes de teste. No entanto, as nuances da distribuição de dados em produção dificilmente podem ser replicadas manualmente, resultando em defeitos e surpresas. Acreditamos que o SDV e ferramentas semelhantes podem resolver essa lacuna gerando dados semelhantes à produção para tabela única, tabela múltipla complexa e séries temporais multivariadas. Embora o SDV não seja novo, gostamos bastante e decidimos destacá-lo.

Publicado : Oct 26, 2022

Baixe o PDF

 

 

 

English | Español | Português | 中文

Inscreva-se para receber o boletim informativo Technology Radar

 

 

Seja assinante

 

 

Visite nosso arquivo para acessar os volumes anteriores