データ拡張（Data Augmentation）とは？
一言で言うと、「手持ちのデータを加工して、擬似的にデータを水増しする技術」です。
AI（ディープラーニング）は、学習データが少ないと、教科書を丸暗記するように答えだけを覚えてしまう「過学習」を起こしやすくなります。そこで、元の画像やデータに少し変化を加えることで、「似ているけどちょっと違うデータ」を大量に作り出し、AIに多様なパターンを学習させて賢くします。
代表的な手法（画像の例）
初心者がイメージしやすい、代表的な5つのテクニックを紹介します。
1. 反転（Flip）
画像を左右（または上下）にひっくり返します。
例：右向きの猫を、左向きの猫にする。
2. 回転（Rotation）
画像を少し傾けます。
例：真正面の犬の写真を、少し首を傾げた角度にする。
3. 拡大・縮小・トリミング（Scaling / Crop）
被写体をズームしたり、一部だけ切り取ったりします。
例：全身写っている写真から、顔の部分だけを切り出す。
4. 色調変換（Color Jitter）
明るさ、コントラスト、色相を変えます。
例：晴れの日の写真を、夕方っぽく少し暗くする。
5. ノイズ付加（Noise Injection）
画像にザラザラしたノイズ（雑音）を混ぜます。
例：画質の悪いカメラで撮ったように加工する。
G検定対策
データ拡張のメリットと注意点
- メリット：データ集めの大変さを減らしつつ、AIの汎化性能（未知のデータに対する強さ）を高めることができます。
- 注意点：「数字の6を回転させて9にする」ような、データの意味が変わってしまう加工はNGです。
