Techniki powiększania danych stosowane w uczeniu maszynowym

• Autorzy: Ścigaj Justyna

Warianty tytułu

EN

Data Augmentation Techniques used in Machine Learning

• Języki publikacji: PL

Abstrakty

PL

Celem niniejszego referatu jest przybliżenie technik powiększania danych stosowanych w uczeniu maszynowym. Dzięki generowaniu nowych danych, na podstawie istniejących można w sposób łatwy uzyskać nowe zdjęcia, teksty, a także dźwięki. W jaki sposób to się dzieje, a także jakie są dostępne techniki, opisano w poniższym artykule. Przedstawiono również wady i zalety technik.

EN

The aim of this paper is to present data augmentation techniques used in machine learning. By generating new data, you can easily obtain new photos, texts and sounds based on the existing ones. How this happens, as well as what techniques are available, are described in the article below. Advantages and disadvantages of the techniques are also presented.

Słowa kluczowe

PL

uczenie maszynowe; data augmentation; SMOTE

EN

machine learning; data augmentation; SMOTE

• Wydawca: Katedra Chemii Analitycznej, Wydział Inżynierii Materiałowej i Ceramiki, Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
• Czasopismo: Analit
• Rocznik: 2024
• Tom: Nr 14
• Strony: 126--130
• Opis fizyczny: Bibliogr. 11 poz.

Twórcy

autor

Ścigaj Justyna

• AGH Akademia Górniczo-Hutnicza, Wydział Inżynierii Materiałowej i Ceramiki, al. Mickiewicza 30, 30-059 Kraków

Bibliografia

• [1] https://aigeekprogrammer.com/pl/sieci-konwolucyjne-data-augmentation/
• [2] https://saturncloud.io/glossary/data-augmentation-in-natural-language-processing-nlp/
• [3] https://en.wikipedia.org/wiki/Data_augmentation#Synthetic_oversampling_techniques_for_traditional_machine_learning
• [4] https://www.blog.trainindata.com/oversampling-techniques-for-imbalanced-data/
• [5] https://ietresearch.onlinelibrary.wiley.com/doi/full/10.1049/cit2.12123
• [6] https://www.kaggle.com/code/marcinrutecki/smote-and-tomek-links-for-imbalanced-data
• [7] https://www.ibm.com/topics/natural-language-processing
• [8] https://learn.microsoft.com/en-us/azure/machine-learning/component-reference/smote?view=azureml-api-2
• [9] https://medium.com/@corymaklin/synthetic-minority-over-sampling-technique-smote-7d419696b88c
• [10] https://www.sciencedirect.com/science/article/abs/pii/S156625352300091X
• [11] https://arxiv.org/abs/2007.08505

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki (2025).