合成データ生成
ランダム・ジェネレータ、アルゴリズム、統計モデル、および大規模言語モデル(LLM)を使用して合成データを生成し、ソリューションを効果的に開発およびテストするための実データをシミュレートします。
合成データは、ソリューションを開発およびテストする際、特に実際のデータがまだ存在しない、または使用が許可されていない場合に、強力なツールになる可能性があります。合成的、または人工的に生成されたデータは、実データの多くの特性を持つことができます。合成データは、通常、ランダム・ジェネレータ、アルゴリズムまたは統計モデルを使用して作成され、実データの特性および分布をシミュレートします。ただし、これは複雑で、様々な高度な機能を備えたツールを生成したり、依存したりすることがあります。大規模言語モデル(LLM)の可用性により、自然言語で表現される特性を考慮した、より関連性の高いスキーマ固有のデータが生成される場合があります。
トピック
- 合成データ生成の利点
合成データ生成では、元の表の機密データを使用せずに、データベース・メタデータ・クローンを移入し、開発、テストおよび機械学習プロジェクトをサポートできます。 - 合成データの生成
DBMS_CLOUD_AI.GENERATE_SYNTHETIC_DATA
ファンクションでは、AIの選択アクションを使用して合成データを生成し、データを問い合せます。 - 合成データ生成のモニターとトラブルシューティング
多数の表にわたって大量のデータを生成する場合、Select AIは合成データ生成タスクを小さなチャンクに分割し、タスクを並行して実行します。各チャンクのステータスは、SYNTHETIC_DATA$<operation_id>_STATUS
表で追跡されます。
親トピック: Select AIを使用したデータベースとの自然言語対話
合成データ生成のメリット
合成データ生成により、元の表の機密データを使用せずに、データベース・メタデータ・クローンを移入し、開発、テストおよび機械学習プロジェクトをサポートできます。
-
メタデータ・クローンへの合成データの移入: メタデータ・クローンは、実際のデータを含めずにデータベースまたはスキーマの構造をレプリケートします。Select AIを使用すると、合成データ生成によってこれらのクローンが移入され、機密データが保護される一方で、開発、テストおよびテンプレートの作成が可能になります。この方法では、パフォーマンスおよびスケーラビリティのテストがサポートされます。
-
新規プロジェクトの開始: 新規プロジェクトを開始するときに、実際のデータを使用できない場合があります。合成データは、概念を実証し、プロジェクトの提案をサポートするのに役立つ現実的なサンプルを提供します。
-
ユーザー・エクスペリエンスの検証: 合成データは、設計上の欠陥、パフォーマンスおよびスケーラビリティの問題を明らかにするための多様なデータ・セットを提供することで、ユーザー・インタフェースのテストに役立ちます。
-
AIおよび機械学習プロジェクトのサポート: 合成データは、実際のデータが使用できないか制限されている場合にAIおよび機械学習モデルのトレーニングに役立ちます。LLMは、モデルのトレーニングとスコアリングを容易にするために、特定のパターンでデータを生成できます。
親トピック: 合成データ生成
合成データの生成
DBMS_CLOUD_AI.GENERATE_SYNTHETIC_DATA
ファンクションでは、AIの選択アクションを使用して合成データを生成し、データを問い合せます。
さらに学習するには、例: 合成データの生成を参照してください。
親トピック: 合成データ生成
合成データ生成の監視およびトラブルシューティング
多数の表にわたって大量のデータを生成する場合、Select AIは、合成データ生成タスクを小さなチャンクに分割し、タスクを並行して実行します。各チャンクのステータスは、SYNTHETIC_DATA$<operation_id>_STATUS
表で追跡されます。
合成データ生成操作は、表DBA_LOAD_OPERATIONS
およびUSER_LOAD_OPERATIONS
に記録されます。これらの表を使用して、 DBMS_CLOUD_AI.GENERATE_SYNTHETIC_DATA
操作を監視します。詳細は、「DBMS_CLOUDロード操作の追跡」を参照してください。
USER_LOAD_OPERATION
から最新の<operation_id>を取得できます。SELECT max(id) FROM user_load_operations;
別のセッションで実行されている合成データ操作を表示するには、DBA_LOAD_OPERATIONS
ビューを使用します。
合成データ生成のステータスの表示
合成データ生成操作のステータス表には、各表の進行状況および対応するチャンクが表示されます。USER_LOAD_OPERATIONS
またはDBA_LOAD_OPERATIONS
のSTATUS_TABLE
列には、ステータス表名が表示されます。表名はSYNTHETIC_DATA$<operation_id>_STATUS
で、次の列があります。
名前 | Datatype | 説明 |
---|---|---|
|
|
レコードの一意識別子。 |
|
|
"ADB_USER"."EMPLOYEES" など、表の修飾名 |
|
|
このデータ生成タスクに必要なレコード数 |
|
|
生成された実際のレコード数。 |
|
|
このデータ生成タスク中の主キーの開始値。 |
|
|
レコードが最後に変更された時間を示すタイムスタンプ。 |
|
|
データ生成タスクのステータス。有効な値は次のとおりです。
|
|
|
エラー・コード(データ生成タスクが失敗した場合)。 |
|
|
タスクが失敗した場合に指定されたエラー・メッセージ。 |
|
|
データ生成タスクの終了を示すタイムスタンプ。 |
各テーブルに対して生成されたレコード数を確認するには、次を発行します。
SELECT name, SUM(rows_loaded) FROM synthetic_data$<operation_id>_status group by name;
ROWS_LOADED
を問い合せて、各チャンクに対してロードされる行数を確認し、各表の行に対してSUM(ROWS_LOADED)
を問い合せます。
BEGIN
DBMS_CLOUD_AI.GENERATE_SYNTHETIC_DATA(
profile_name => 'GENAI',
object_list => '[{"owner": "ADB_USER", "name": "DIRECTOR","record_count":150},
{"owner": "ADB_USER", "name": "MOVIE_ACTOR","record_count":300},
{"owner": "ADB_USER", "name": "CLASSES", "user_prompt":"all in fall semester","record_count":5},
{"owner": "ADB_USER", "name": "ACTOR","record_count":220},
{"owner": "ADB_USER", "name": "MOVIE","record_count":50}]'
);
END;
/
-- Check loaded rows for each chunk
SQL> SELECT name, rows_loaded FROM synthetic_data$141_status order by name;
NAME ROWS_LOADED
------------------------------------------
"ADB_USER"."ACTOR" 188
"ADB_USER"."ACTOR" 32
"ADB_USER"."CLASSES" 5
"ADB_USER"."DIRECTOR" 150
"ADB_USER"."MOVIE" 50
"ADB_USER"."MOVIE_ACTOR" 38
"ADB_USER"."MOVIE_ACTOR" 114
"ADB_USER"."MOVIE_ACTOR" 148
-- Check loaded rows for each table
SQL> SELECT name, SUM(rows_loaded) FROM synthetic_data$141_status group by name;
NAME SUM(ROWS_LOADED)
------------------------------------------
"ADB_USER"."DIRECTOR" 150
"ADB_USER"."MOVIE_ACTOR" 300
"ADB_USER"."CLASSES" 5
"ADB_USER"."ACTOR" 220
"ADB_USER"."MOVIE" 50
親トピック: 合成データ生成