데이터 치수는 이미지, 비디오, 텍스트, 오디오 및 3D 점 구름과 같은 원시 데이터에 레이블을 지정하는 프로세스입니다. 태그 데이터를 교육 데이터라고 합니다. 이러한 레이블은 데이터가 속한 데이터의 표현을 형성하며, 기계 학습 모델이 앞으로 본 적이 없는 데이터를 만날 때 데이터의 내용을 정확하게 식별하는 데 도움이 됩니다. 사용 중인 기계 학습 모델과 현재 솔루션에 따라 교육 데이터는 이미지, 음성, 텍스트 또는 특징을 포함한 다양한 형태를 취할 수 있습니다.

데이터 마크업이 필요한 이유는 무엇입니까?

우리가 배운 데이터 표기는 사실 인공지능의 중요한 구성 요소 중 하나이다. 먼저 인공지능을 살펴봅시다. 인공지능에는 세 가지 알고리즘, 산력과 치수가 있다.

계산 능력은 눈으로 책을 읽는 것과 같습니다.

알고리즘은 사고가 뇌를 필요로 하는 것과 같습니다.

라벨을 붙이는 것은 책의 지식과 맞먹는다.

인공지능 운행의 기본 논리는 AI 가 눈으로 검사하고, 지식을 데이터북에 기록하고, 뇌 알고리즘을 자신의 지식으로 변환하고, 마지막으로 배운 지식을 업무에 적용한다면, 데이터 표기는 기계와 맞먹는 것인가? "연료", 데이터 AI 를 사용하면 알고리즘+계산력 인식 장면으로 작업할 수 있습니다.