什么是数据标注（数据如何标注）

数据标注是大部分人工智能的基础，决定了机器学习和深度学习模型的质量。今天的数据显示呈指数级增长。例如，仅在2018年，就生成了超过30个ZB的数据。在任何人工智能项目中，数据问题都是数据科学家的症结所在。

什么是数据标注？

训练机器学习和深度学习模型需要丰富的数据，以便部署、训练和调整模型。训练机器学习和深度学习模型需要大量仔细标注的数据。对原始数据进行标记，并准备将其应用于机器学习模型和其他AI工作流，这被称为数据标记。据相关统计，在AI项目中，数据整理占据了80%以上的时间。

数据怎么标注？

现在大部分数据都是没有标注的。标记数据是指对目标模型的数据进行标记或注释，以便可以预测。一般来说，数据标注包括数据标注、注释、审核、分类、转录和处理。

标记的数据突出了一些特征，并根据这些特征对它们进行分类，这样就可以使用模型来分析其模式，以预测新的目标。例如，对于自动驾驶汽车中的计算机视觉，AI专业人员或数据注释者可以使用文章注释工具，通过行人和其他车辆的位置来指示路标和火车模型的位置。

数据中包含的一系列任务：

丰富数据的工具

质量保证

过程迭代

管理数据标签

用于培训的新数据标签

工程计划

成功指数

操作过程

AI专业人士的数据标签挑战？

在一个典型的AI项目中，专业人员在标记数据时会遇到以下挑战。

数据质量低。数据质量低可能有多种原因。其中一个最突出的原因是，任何企业或工作流程都有三个决定性因素：人员、流程和技术。

无法扩展数据标记操作。当数据量不断增加，业务或项目需要扩展其容量时，由于大多数企业在内部标记数据，因此他们通常很难扩展其数据标记任务。

无法承受的成本和不存在的结果。企业AI项目经理通常会高薪聘请数据科学家和AI专业人士或一群业余人士来处理数据标签，而企业则需要承担高额的人力成本。当然，企业也会面临数据标签不确定带来的问题，所以合适的专业人士至关重要。

质量保证。质量检查可以为数据标注过程提供重要的价值，尤其是在机器学习模型测试和验证的迭代阶段。

谁来标注数据？

相关调查显示，2019年，企业在数据标签上的花费超过17亿美元。到2024年，这一数字将达到41亿美元。除了聘请专业的数据科学家和AI专家，还可以考虑其他方式进行数据标注。

员工。这包括雇佣包括AI专业人员在内的全职或兼职员工参与AI项目的各个方面，其中之一就是数据标注。

主办团队。他们是经验丰富和训练有素的数据标签团队。

承包商。他们包括自由职业者和临时工。

众包。企业可以利用第三方平台一次性找到数据标注团队。