reymer.ai
D

Data Labeling

Также известен как: Разметка данных, Data Annotation
Данные и аналитика

Определение

Data Labeling — процесс разметки данных людьми для создания обучающих выборок для supervised learning моделей.

Простое объяснение

Data Labeling — как обучение AI на примерах, размеченных людьми. Показываем "это кот, это собака" много раз, пока AI не научится различать сам.

Подробнее

Data labeling — критический этап ML pipeline. Типы: image annotation (bounding boxes, segmentation), text labeling (classification, NER, sentiment), audio transcription. Подходы: in-house teams, crowdsourcing (Amazon Mechanical Turk), specialized vendors (Scale AI, Labelbox). Quality control: multiple annotators, gold standard sets, inter-annotator agreement. Cost и time — основные bottlenecks. Active learning оптимизирует: модель выбирает, какие примеры разметить. RLHF требует preference labeling. Self-supervised и foundation models снижают зависимость от labeled data.

Связанные термины

Contamination

Contamination (утечка данных) — проблема попадания тестовых данных в обучающую выборку, что приводит к завышенным результатам на бенчмарках.

Семантический поиск

Семантический поиск — поиск информации по смыслу, а не по ключевым словам, с использованием эмбеддингов и векторных баз данных.

Recommendation System

Recommendation System — алгоритм, предсказывающий предпочтения пользователя и предлагающий релевантный контент или продукты.

Text Classification

Text Classification — автоматическое присвоение текстам категорий или меток на основе их содержания.

Датасет

Датасет — набор данных, используемый для обучения, валидации и тестирования AI-моделей.

Big Data

Большие данные — массивы информации огромного объёма, которые невозможно обработать традиционными методами, но которые служат основой для обучения AI-моделей.

Вернуться к глоссарию