Dados Sintéticos

Dados gerados artificialmente para reproduzir, em alguma medida, as propriedades de um conjunto real ou plausível, sem depender de coletar cada registro no momento do uso. Podem servir para prototipar, testar edge cases, balancear classes ou ampliar cobertura de uma eval quando dados reais são escassos, sensíveis ou caros de rotular. A utilidade depende de preservar as características relevantes para a decisão que será avaliada.

Dados sintéticos não são automaticamente privados, representativos ou corretos. Um gerador pode memorizar dados de origem, apagar subgrupos importantes ou criar exemplos excessivamente limpos. Antes de usá-los em treino ou validação, é preciso verificar risco de reidentificação, cobertura de casos reais, fidelidade estatística e, sobretudo, desempenho no conjunto de avaliação que representa a operação.