Ghi nhãn dữ liệu

Định nghĩa

Gắn nhãn dữ liệu là quá trình gán danh mục, thẻ hoặc thuộc tính cho dữ liệu thô để các mô hình học máy có thể học hỏi từ đó. Đây là yếu tố cốt lõi của học có giám sát.

Mục đích

Mục đích là làm cho các tập dữ liệu thô có thể sử dụng được cho việc đào tạo và đánh giá. Nhãn cung cấp "câu trả lời" mà các mô hình cần trong quá trình học.

Tầm quan trọng

• Quan trọng để xây dựng các mô hình ML có giám sát chính xác.
• Việc dán nhãn kém làm giảm độ tin cậy của hệ thống.
• Thường tốn nhiều công sức và chi phí.
• Yêu cầu có chuyên môn trong các lĩnh vực như y học hoặc luật.

Quy trình triển khai

1. Xác định nhiệm vụ và nhãn lược đồ.
2. Phân đoạn dữ liệu thô thành các đơn vị (hình ảnh, câu, đoạn âm thanh).
3. Gán nhãn theo cách thủ công hoặc thông qua các công cụ bán tự động.
4. Thực hiện kiểm tra chất lượng và thử nghiệm thỏa thuận giữa các chú thích viên.
5. Xuất các tập dữ liệu có nhãn để đào tạo.

Ví dụ (Thực tế)

• Shaip: dán nhãn dữ liệu cho xe tự hành.
• Bộ dữ liệu Kaggle: được gắn nhãn cho các cuộc thi ML.
• Bộ dữ liệu hình ảnh X quang: được dán nhãn bởi các chuyên gia y tế.

Tài liệu tham khảo / Đọc thêm

• Chú thích dữ liệu cho AI — NIST.
• Chú thích và gắn nhãn tập dữ liệu — Giao dịch IEEE về Kỹ thuật dữ liệu.
• ISO/IEC 24617: Khung chú thích ngữ nghĩa — ISO.
• Ghi nhãn dữ liệu là gì? Mọi thứ người mới bắt đầu cần biết – Shaip