데이터가 부족할 때 학습하기 Part 3: 데이터 생성

요약

본 기사는 데이터 부족 문제를 해결하기 위한 세 번째 접근 방식인 '데이터 생성'에 대해 다룹니다. 데이터를 확보할 수 없을 때, 기존 샘플을 변형하여 새로운 데이터를 만드는 증강(Augmentation) 방법과, 강력한 사전 훈련된 모델(Pre-trained Model)을 활용하여 완전히 새로운 데이터 포인트를 생성하는 방법을 설명합니다.

핵심 포인트

• 데이터 부족 문제 해결을 위해 '증강된 데이터'와 '새로운 데이터' 두 가지 접근 방식을 제시한다.
• 데이터 증강은 기존 샘플의 핵심 의미를 유지하면서 입력 형식(텍스트, 시각적 외관 등)을 변형하는 것을 목표로 한다.
• 데이터 포인트가 거의 없을 경우, 대규모 사전 훈련 언어 모델(LLM)을 활용하여 새로운 데이터를 생성할 수 있다.
• 퓨샷 프롬프팅은 추가 학습 없이도 LLM이 컨텍스트 내에서 효과적으로 학습하게 하는 방법이다.