Se necesita la ampliación de datos para utilizar métodos de Aprendizaje Profundo en los conjuntos de datos de series temporales normalmente pequeños. Existe una literatura limitada sobre la evaluación del rendimiento del uso de Redes Generativas Adversarias para la ampliación de datos de series temporales. Describimos y discutimos los resultados de un estudio piloto que extiende un estudio de evaluación reciente de dos familias de métodos de ampliación de datos para series temporales (es decir, métodos basados en transformaciones y métodos de mezcla de patrones), y proporcionamos recomendaciones para futuros trabajos en esta importante área de investigación.