Augmentace dat je rozšíření trénovací množiny umělými variantami existujících vzorků, vytvořenými transformacemi, které nemění správnou odpověď. Účelem je potlačit přeučení a naučit model invariancím, jež jsou pro danou úlohu žádoucí; funguje tedy jako mimořádně účinná forma regularizace a zároveň jako náhrada za data, která nemáme. U obrazu se používá překlopení, rotace, výřez a změna měřítka, úpravy jasu, kontrastu a barevného odstínu, přidání šumu, rozostření a elastické deformace; pokročilejší techniky jako Cutout, Mixup a CutMix části snímků maskují nebo lineárně kombinují včetně nálepek. Klíčové je zvolit transformace odpovídající domény: vodorovné překlopení je vhodné pro fotografie zvířat, ale zhoubné pro rozpoznávání písmen a číslic, a u segmentace i detekce musí být geometrická transformace provedena shodně na snímku i na anotaci. Obdobou v textu je záměna synonym či zpětný překlad, u zvuku posun výšky a času. Augmentace se aplikuje pouze na trénovací data, nikdy na validační a testovací.
Chcete naučit dítě poznávat psa a máte jen deset fotografií. Můžete mu je ukázat desetkrát, nebo mu je ukázat vzhůru nohama, zblízka, přeexponované, oříznuté napůl a v šeru – a pokaždé zdůraznit, že to je pořád ten samý pes. Ve druhém případě se dítě naučí psovitost, ne konkrétní fotku. Jen musíte s hlavou vybírat, co si dovolíte měnit: pes zrcadlově překlopený je stále pes, ale číslice šest překlopená kolem svislé osy už není šestka a písmeno b vzhůru nohama je q. Špatná augmentace naučí model nesmysl.