Antigravity Agent
2.2 KiB
2.2 KiB
id, category, confidence_score, tags, last_reinforced
| id | category | confidence_score | tags | last_reinforced | ||||||
|---|---|---|---|---|---|---|---|---|---|---|
| DATA-AUG-001 | 10_Wiki/💡 Topics/AI | 1.0 |
|
2026-04-26 |
Data Augmentation Strategies (데이터 증강 전략)
📌 한 줄 통찰 (The Karpathy Summary)
"데이터의 양을 늘릴 수 없다면, 데이터의 '모습'을 다양하게 변주하라" — 기존 학습 데이터를 수학적으로 변형하여 데이터셋의 규모를 가상으로 늘리고, 모델이 데이터의 본질적인 불변 특징을 학습하게 하여 일반화 성능을 높이는 기법.
📖 구조화된 지식 (Synthesized Content)
- 추출된 패턴: 원본 데이터가 가진 핵심 정보는 유지하면서 노이즈나 변형을 가해, 모델이 사소한 변화에 휘둘리지 않는 강건함(Robustness)을 갖추게 하는 변조 패턴.
- 주요 전략:
- Computer Vision: 이미지 회전, 반전(Flip), 자르기(Crop), 색상 변조, Mixup(두 이미지를 섞음), Cutout(일부 가림).
- NLP: 동의어 교체(SR), 무작위 삭제/삽입, 역번역(Back Translation: 다른 언어로 번역 후 다시 복원).
- Audio: 속도 조절, 피치 변경, 노이즈 추가.
- Generative Augmentation: GAN이나 Diffusion 모델을 이용해 새로운 가짜 데이터를 생성하여 학습에 활용.
- 의의: 과적합(Overfitting)을 방지하고 적은 데이터로도 고성능 모델을 구축할 수 있게 함.
⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- 과거 데이터와의 충돌: 사람이 직접 변형 규칙을 정의하던 방식에서, 최근에는 모델이 스스로 최적의 증강 조합을 찾는 AutoAugment 기술로 발전.
- 정책 변화: Antigravity 프로젝트는 부족한 한국어 전문 용어 데이터를 보강하기 위해 역번역 기반의 데이터 증강 전략을 사용하여 NLP 에이전트의 문해력을 높임.
🔗 지식 연결 (Graph)
- Computer-Vision-Mastery, NLP, Regularization-Techniques, Generative-Adversarial-Networks-GAN
- Raw Source: 10_Wiki/Topics/AI/Data-Augmentation Strategies.md