[AWS] Data Augmentation (데이터 증강)란? 쉽게 정리

 

 

Data Augmentation (데이터 증강)

Data augmentation은 기존의 데이터를 약간 변형해서 새로운 데이터를 만들어내는 기술이다.

이는 주로 머신러닝 모델(이미지, 자연어 처리)의 성능을 높이기 위해, 훈련시키기 위한 데이터량을 늘릴 때 사용한다

 

📌이해하기 위한 간단한 예시: 이미지 생성 모델

학습 데이터로 남성만 포함된 "의사" 이미지 사용하면, 남자라는 편향이 생긴다.

Data Augmentation를 통해 여성을 의사로 표현한 이미지 만들어 직업과 성별 간의 편향을 줄일 수 있다.

 

이미지 데이터 증강 방법

이미지 데이터를 증강할 때 흔히 사용하는 기법:

• 회전 (rotate)
• 좌우 반전 (flip)
• 확대 또는 축소 (zoom in/out)
• 밝기 조절 (brightness adjustment)
• 노이즈 추가 (add noise)
• 색상 변화 (color jitter)

https://www.ibm.com/think/topics/data-augmentation

 

Data Augmentation 특징

• 데이터 부족 보완: 학습 데이터가 적을 때 데이터 수를 늘리기 위해
• 편향(Bias) 제거: 특정 클래스나 특성이 너무 많이 나타나는 경우 균형을 맞추기 위해
• 과적합(Overfitting) 방지: 모델이 학습 데이터에 너무 의존하지 않게 일반화 성능을 높이기 위해

 

---

🤔 문제

한 AI 개발자가 다양한 직업을 가진 사람들의 이미지를 생성하는 모델을 만들고 있습니다. 그런데 입력 데이터에 편향(bias) 이 존재하고, 특정 속성이 이미지 생성에 영향을 주어 모델에 편향이 생기는 문제가 발견되었습니다.
이 문제를 해결할 수 있는 기술은 무엇입니까?

1. 불균형 클래스에 대한 데이터 증강 (Data augmentation for imbalanced classes)
2. 클래스 분포에 대한 모델 모니터링 (Model monitoring for class distribution)
3. 검색 증강 생성 (Retrieval Augmented Generation, RAG)
4. 이미지에 대한 워터마크 감지 (Watermark detection for images)

정답

정답. 1번