작은 크기와 변동성이 큰 시계열 데이터는 모델 과적합으로 인해 예측 성능 저하를 야기하는 문제가 있습니다. 본 발명은 이러한 문제 해결을 위해 합성곱 신경망(CNN)을 활용한 데이터 확장 방법 및 장치를 제공합니다. 연속된 시계열 데이터의 특징을 2차원 배열로 변환하고, 이를 합성곱 신경망으로 처리하여 새로운 데이터를 생성함으로써 원본 데이터를 효과적으로 확장합니다. 이 기술은 주식, 에너지 사용량 등 소량의 시계열 데이터 환경에서도 예측 성능을 획기적으로 향상시켜 데이터 기반 분석 및 의사결정의 정확도를 극대화할 수 있습니다.