# Data Designer

[Data Designer](https://github.com/NVIDIA-NeMo/DataDesigner) est le framework de NVIDIA NeMo pour générer des jeux de données synthétiques de haute qualité à l'aide de LLM. Il vous permet de créer des données variées en utilisant des échantillonneurs statistiques, des LLM ou des jeux de données de départ existants.

## Prérequis

```bash
pip install data-designer
```

## Télécharger des jeux de données depuis le Hub comme graines

Utilisez `HuggingFaceSeedSource` pour charger des jeux de données directement depuis le Hub comme données de départ pour la génération.

```python
import data_designer.config as dd
from data_designer.interface import DataDesigner

data_designer = DataDesigner()
config_builder = dd.DataDesignerConfigBuilder()

# Load seed data from HuggingFace
seed_source = dd.HuggingFaceSeedSource(
    path="datasets/gretelai/symptom_to_diagnosis/data/train.parquet",
    token="hf_...",  # Optional, for private datasets
)
config_builder.with_seed_dataset(seed_source)

# Reference seed columns in prompts
config_builder.add_column(
    dd.LLMTextColumnConfig(
        name="physician_notes",
        model_alias="openai-gpt-5",
        prompt="Write notes for a patient with {{ diagnosis }}. Symptoms: {{ patient_summary }}",
    )
)

preview = data_designer.preview(config_builder, num_records=5)
```

## Pousser les jeux de données générés vers le Hub

Utilisez la méthode intégrée `push_to_hub` pour téléverser les jeux de données générés sur le Hub.

```python
# Generate dataset
results = data_designer.create(config_builder, num_records=1000, dataset_name="my-dataset")

# Push to Hub
url = results.push_to_hub(
    repo_id="username/my-synthetic-dataset",
    description="Synthetic dataset generated with Data Designer.",
    tags=["medical", "notes"],
    private=False,
)
```

## Ressources

- [Documentation de Data Designer](https://nvidia-nemo.github.io/DataDesigner/)
- [Dépôt GitHub](https://github.com/NVIDIA-NeMo/DataDesigner)
- [Guide des jeux de données Seed](https://nvidia-nemo.github.io/DataDesigner/latest/concepts/seed-datasets/)
- [Guide d'utilisation de Data Designer avec les Inference Providers](https://huggingface.co/docs/inference-providers/integrations/datadesigner)