Объект исследования – Синтетические наборы данных. Цель работы – Написание программы, которая создает синтетические наборы данных, подходящие для задач машинного обучения. В данной работе был произведен теоретический обзор генераторов синтетических данных, способа удобного представления логических схем, а также обзор форматов. В результате была написана программа на языке Python, которая состоит из трех частей. В первой части идет генерация случайной таблицы истинности при разном количестве входных переменных. Во второй части происходит перевод таблицы в булеву функцию при помощи правил совершенно конъюнктивной нормальной формой и совершенно дизъюнктивной нормальной формой и сохранение её в текстовой форме. В третьей осуществляется написание дополнительной программы, которая считывает информацию с полученного файла с выражением и осуществляет перевод в формат файла And-Inverter-Graph с помощью одной из библиотек Python. В результате работы программы генерируются файлы, которые, впоследствии можно использовать под различные задачи в области машинного обучения, которые завязаны на работе с логическими схемами, например для задачи классификации. Данная работа является актуальной, так как на сегодняшний день машинное обучение активно используется и разрабатывается в различных областях различной человеческой деятельности.

The subject of the graduate qualification work is “synthetic data sets”. The given work is devoted to writing a program that creates synthetic datasets suitable for machine learning tasksIn this work, was a theoretical review of synthetic data generators, a method for convenient representation of logic circuits, as well as an overview of formats was carried out. As a result, a program was written in Python, which consists of three parts. In the first part, a random truth table is generated for a different number of input variables. In the second part, the table is translated into a Boolean function using the rules of a completely conjunctive normal form and a completely disjunctive normal form and saved in text form. In the third, an additional program is written that reads information from the received file with the expression and translates it into the And-Inverter-Graph file format using one of the Python libraries. As a result of the program, files are generated that can later be used for various tasks in the field of machine learning, which are tied to working with logical circuits, for example, for classification tasks. This work is relevant, since today machine learning is actively used and developed in various fields of various human activities.

• ГЛАВА 1. ОБЗОР ЛИТЕРАТУРЫ
• ГЛАВА 2. РЕАЛИЗАЦИЯ ГЕНЕРАТОРА
• ЗАКЛЮЧЕНИЕ
• СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
• ПРИЛОЖЕНИЕ А
• ПРИЛОЖЕНИЕ B
• ПРИЛОЖЕНИЕ C
• ПРИЛОЖЕНИЕ D