Data Augmentation (Datenerweiterung)

Data Augmentation bezeichnet die künstliche Erweiterung eines bestehenden Datensatzes, um die Vielfalt und Menge der Trainingsdaten zu erhöhen. Neue Daten entstehen durch gezielte Veränderung oder Kombination bestehender Daten. Wichtig besonders bei knappen oder teuren Datenmengen. Techniken: Bilder (Drehen, Spiegeln, Skalierung, Farbveränderungen, Rauschen), Text (Synonymersetzung, Back-Translation, Rauschen), Audio (Pitch-Shift, Zeitstreckung). Vorteile: überwindet Datenmangel, verbessert Generalisierung, spart Kosten, reduziert Overfitting. Data Augmentation ist in der Bildverarbeitung besonders weit verbreitet und wird auch in NLP und Audioverarbeitung eingesetzt, um KI-Modelle robuster und zuverlässiger zu machen.