Saltar al contenido

Hablar por WhatsApp PanelEntrar al panel

Aumento de datos (data augmentation)

Técnica que crea variantes de los datos existentes —rotando, recortando o parafraseando— para ampliar y diversificar el conjunto de entrenamiento sin recolectar datos nuevos.

Técnica que crea variantes de los datos existentes —rotando, recortando o parafraseando— para ampliar y diversificar el conjunto de entrenamiento sin recolectar datos nuevos.

Actualizado: 3 de junio de 2026.

El aumento de datos genera ejemplos adicionales a partir de los reales: voltear o iluminar imágenes, reformular frases, añadir ruido. El modelo ve más variedad y generaliza mejor.

Beneficios

Reduce el sobreajuste y mejora el rendimiento cuando los datos escasean, sin el coste de recolectar y etiquetar más.

Relación con los datos sintéticos

Es pariente de los datos sintéticos, aunque aquí se parte de datos reales y se transforman, en lugar de generarlos desde cero.

Términos relacionados

Dataset o conjunto de datos: qué esUn dataset o conjunto de datos es una colección de ejemplos reunidos para análisis, entrenamiento, validación o evaluación. Cada ejemplo puede contener características, etiquetas, texto, imágenes, audio u otros valores. Su utilidad no depende solo del tamaño: representatividad, calidad, procedencia, permisos, partición y correspondencia con el uso real determinan qué conclusiones o modelos permite sostener.Sobreajuste (overfitting)Problema en el que un modelo memoriza los datos de entrenamiento, incluido su ruido, en lugar de aprender patrones generales. El resultado es un modelo que acierta en los ejemplos vistos pero falla con datos nuevos.Datos sintéticosLos datos sintéticos son registros creados artificialmente mediante reglas, simulaciones o modelos generativos para reproducir propiedades útiles de datos reales. Pueden servir para entrenar, probar o compartir sistemas cuando los ejemplos reales son escasos o sensibles, pero no garantizan por sí solos privacidad, fidelidad ni ausencia de sesgo.Entrenamiento (de modelos)Proceso por el que un modelo ajusta sus parámetros analizando datos para minimizar sus errores. Es la fase más costosa del ciclo de vida de un modelo de IA y determina lo que el modelo sabe.Visión artificialCampo de la IA que permite a las máquinas interpretar imágenes y vídeo: detectar objetos, reconocer rostros, leer texto o segmentar escenas. Sustenta desde el desbloqueo facial hasta la conducción autónoma.

Ver todos los términos

02 / LLEVAR A LA PRÁCTICA

Después de leer

Convierte una idea útil en una habilidad repetible.

Elige una ruta breve, aplícala a una tarea real y termina con algo que puedas revisar, usar o compartir.

Explorar cursos Empezar gratis