DataDesigner
เครื่องมือสร้างชุดข้อมูลสังเคราะห์ โดยออกแบบตารางทีละคอลัมน์

คืออะไร
NeMo Data Designer เป็น library Python สำหรับสร้างชุดข้อมูลสังเคราะห์ จะเริ่มจากศูนย์หรือต่อยอดจากข้อมูลตั้งต้นที่มีอยู่ก็ได้ ผู้ใช้กำหนดว่าตารางมีคอลัมน์อะไร แต่ละคอลัมน์สร้างด้วยวิธีไหน และเตรียม LLM endpoint ไว้ให้เรียก จากนั้น library จะจัดการการเรียกเป็นชุด การทำงานขนาน และการตรวจผลลัพธ์ให้
เหมือนตีตารางเปล่าแล้วเขียนกติกาไว้ที่หัวคอลัมน์ว่าช่องนี้ให้สุ่มจากรายการ ช่องนี้ให้ LLM เขียนโดยดูค่าจากช่องข้าง ๆ จากนั้นให้ระบบเติมทุกแถวตามกติกานั้น
ทำอะไรได้
- สร้างข้อความ ข้อมูลมีโครงสร้าง และรูปภาพ ด้วย sampler, LLM, โมเดลสร้างภาพ หรือข้อมูลตั้งต้น
- ให้คอลัมน์หนึ่งอ้างค่าของอีกคอลัมน์ เพื่อควบคุมความสัมพันธ์ระหว่างช่องข้อมูล
- ตรวจและให้คะแนนผลลัพธ์ด้วย Python, SQL หรือ LLM judge
ใช้เมื่อไหร่
ใช้เมื่อต้องการชุดข้อมูลสังเคราะห์ที่หลากหลาย มีความสัมพันธ์ระหว่างช่อง และผ่านการตรวจ ซึ่งเป็นสิ่งที่ได้มากกว่าการสั่ง LLM ตรง ๆ ต้องมี LLM endpoint ให้เรียกใช้ โดย README ให้เริ่มจาก API key ของ NVIDIA Build, OpenAI หรือ OpenRouter
อยู่ตรงไหนของเส้นทาง
อยู่ที่ขั้นแรกสุดคือขั้น data ทำหน้าที่สร้างชุดข้อมูลสังเคราะห์ เพื่อส่งต่อให้ขั้นถัดไป เช่น ใช้เป็นข้อมูล train โมเดล
รูปทรง 3D ในฉาก
ตารางลูกบาศก์ที่เติมเข้ามาทีละช่อง สื่อถึงข้อมูลสังเคราะห์ที่ถูกสร้างขึ้นทีละแถว
คำที่ควรรู้
- Column
- ช่องข้อมูลหนึ่งช่องในชุดข้อมูล พร้อมคำอธิบายว่าจะสร้างค่าของช่องนั้นด้วยวิธีไหน
- Sampler
- คอลัมน์ที่สร้างค่าด้วยการสุ่มตัวเลข เช่น สุ่มหมวดหมู่หรือสุ่มตามการแจกแจงทางสถิติ ซึ่งเร็วกว่าการเรียก LLM
- Seed dataset
- ชุดข้อมูลที่มีอยู่แล้วซึ่งผู้ใช้ป้อนเข้าไป เพื่อให้คอลัมน์ของมันถูกใช้เป็นบริบทใน prompt ตอนสร้างข้อมูลใหม่
ตัวอย่าง
ชุดข้อมูลแรก: คำทักทายหลายภาษา
ติดตั้ง
import data_designer.config as dd
from data_designer.interface import DataDesigner
data_designer = DataDesigner()
config_builder = dd.DataDesignerConfigBuilder()
config_builder.add_column(dd.SamplerColumnConfig( # สุ่มเลือกภาษา
name="language",
sampler_type=dd.SamplerType.CATEGORY,
params=dd.CategorySamplerParams(
values=["English", "Spanish", "French", "German", "Italian"]),
))
config_builder.add_column(dd.LLMTextColumnConfig( # ให้ LLM เขียน
name="greeting",
model_alias="nvidia-text",
prompt="Write a casual and formal greeting in {{ language }}.",
))
results = data_designer.preview(config_builder) # สร้างตัวอย่าง
results.display_sample_record()ตัวอย่างนี้ออกแบบตาราง 2 คอลัมน์ คือ language ที่สุ่มเลือกภาษาจากรายการ และ greeting ที่ให้ LLM เขียนคำทักทาย โดย {{ language }} ใน prompt จะถูกแทนด้วยค่าของคอลัมน์ language คำสั่ง preview สร้างตัวอย่างออกมาให้ดูก่อน แล้ว display_sample_record แสดงข้อมูลตัวอย่างหนึ่งรายการบนหน้าจอ
ที่มาของตัวอย่าง ↗ NVIDIA-NeMo/DataDesigner/blob/main/fern/versions/latest/pages/index.mdx (เปิดในแท็บใหม่)Pull request ใน repo นี้
คำอธิบายนี้สรุปจาก README และเอกสารของ repo ณ 13 พ.ย. 2026 ตัวอย่าง code ยกมาจาก repo โดยตัดให้สั้นลง ควรดูเอกสารล่าสุดก่อนใช้งานจริง




