Synthetische data is kunstmatig gegenereerde data die de eigenschappen van echte data nabootst, zodat je modellen kunt trainen of testen zonder echte, gevoelige gegevens te gebruiken.
Soms is er te weinig echte data, of mag je die om privacyredenen niet gebruiken. Dan kun je data laten genereren die lijkt op de echte: dezelfde structuur en patronen, maar zonder echte personen. Dat helpt om modellen te trainen of software te testen zonder persoonsgegevens te verwerken.
De kwaliteit is cruciaal. Bevat de synthetische data niet de juiste patronen, dan leert het model de verkeerde dingen. En zitten er vooroordelen in de bron, dan kunnen die in de synthetische data terugkomen. Het is een hulpmiddel, geen wondermiddel.