Aumento de Datos (Data Augmentation)

Es una técnica utilizada en inteligencia artificial y machine learning para ampliar el tamaño y la diversidad de un conjunto de datos originales sin necesidad de recolectar nueva información.

Consiste en generar nuevas muestras modificando los datos existentes mediante transformaciones como rotaciones, recortes, cambios de escala, inversiones de colores, adiciones de ruido, entre otras.

Resulta especialmente útil en problemas de aprendizaje supervisado, donde disponer de conjuntos de entrenamiento extensos y variados mejora la precisión y generalización de los modelos.

Se aplica comúnmente en áreas como visión por computadora, reconocimiento de patrones y procesamiento de imágenes, aunque también puede utilizarse en otros tipos de datos.

Su objetivo principal es mitigar problemas como el sobreajuste o la insuficiencia de datos, promoviendo modelos más robustos y eficaces.