¿Se aplicaron métodos para aumentar la muestra o la perforación de datos?

Sí, para aumentar la muestra y mejorar la calidad de los datos, apliqué métodos de aumento y relleno de datos. Por ejemplo, en tareas de procesamiento de imágenes, utilicé técnicas de aumento — rotaciones, escalado, cambio de brillo — para incrementar la diversidad de la muestra de entrenamiento sin recopilar nuevos datos. En tareas con datos tabulares, apliqué métodos de aumento sintético de la muestra, como SMOTE, para equilibrar las clases. También utilicé técnicas de imputación de datos para rellenar valores faltantes, como la media o métodos KNN, lo que permitía mantener la mayor cantidad posible de datos para entrenar los modelos.