El data augmentation crea nuevas versiones de los datos de entrenamiento aplicando transformaciones que no cambian su significado esencial: rotar o recortar ligeramente una imagen, cambiar su brillo, o reemplazar palabras por sinónimos en un texto, por ejemplo.
Por qué ayuda al entrenamiento
Aumenta artificialmente la cantidad y variedad de ejemplos disponibles sin el costo de recolectar y etiquetar datos nuevos, y ayuda a que el modelo generalice mejor, reduciendo el riesgo de overfitting al exponerlo a más variaciones de una misma situación.