生成AIパスポート 用語集機械学習
データ拡張とはでーたかくちょう
データ拡張の意味
データ拡張とは、手元にあるデータに回転や反転、色の変更、ノイズの追加などの加工を施して、少しずつ異なる新しいデータを作り出し、学習データの量を増やす手法です。オーグメンテーションやデータの水増しとも呼ばれます。データを集め直さなくても、モデルに幅広いパターンを学ばせることができます。
生成AIパスポート試験の対策なら → 無料の合格アプリ
詳しい解説
機械学習では、データが多く、種類が豊富なほど性能が高まりやすくなります。しかし、新しいデータを大量に集めるには手間とコストがかかります。そこで、既存のデータを加工して「別のデータ」として学習に加えるのがデータ拡張です。
画像なら、写真を少し回転させたり、左右を反転させたり、明るさを変えたりします。公式テキストでは、画像生成AIの前処理の一つとして紹介されています。音声生成AIでは、周波数や音の高さを変えたり、ノイズを加えたりすることで、さまざまな発音パターンを学べるようにします。また、音楽生成AIでRNNなどを使ってデータセットを水増しする流れも紹介されています。データの多様性が増すため、過学習の防止にも役立ちます。
試験のポイント
- 「既存データを加工して学習データを増やす」が定義
- 別名「オーグメンテーション」「データの水増し」
- 画像生成AIの前処理の一つ
- 音声では周波数・音の高さの変更、ノイズの追加などで行う
データ拡張の確認問題（○×）
データ拡張は、既存のデータに加工を加えて学習データの数を増やす手法で、音声データではノイズの追加なども用いられる。
答えと解説を見る
答え：○
加工したデータを学習に加えることで、AIはより幅広いパターンを学習できます。
データ拡張とあわせて覚えたい関連用語
- 前処理前処理とは、集めたデータをそのまま学習に使うのではなく、モデルが扱いやすく学習しやすい形に整える工程のことです。
- 正規化正規化とは、データの前処理の一つで、項目ごとにばらばらな値の範囲や単位（尺度）を一定の基準にそろえ、モデルが学習しやすくするための処理です。
- 過学習過学習とは、機械学習のモデルが訓練データに過度に適合してしまい、訓練データでは高い精度を出せるのに、初めて見るデータ（未知のデータ）に対して…
- 画像生成AI画像生成AIとは、大量の画像を学習し、文章による指示などをもとに新しい画像を作り出すAIです。
- 音声生成AI音声生成AIとは、大量の音声データでディープラーニングのモデルを訓練し、人間のような自然な音声を作り出すAIです。
- データセットデータセットとは、AIが学習したり評価されたりするときに使う、目的に沿って集められ整理されたデータのまとまりのことです。