데이터 라벨링

정의

데이터 라벨링은 머신 러닝 모델이 학습할 수 있도록 원시 데이터에 범주, 태그 또는 속성을 할당하는 과정입니다. 이는 지도 학습의 핵심입니다.

목적

원시 데이터셋을 학습 및 평가에 사용할 수 있도록 하는 것이 목적입니다. 레이블은 모델이 학습하는 동안 필요한 "답변"을 제공합니다.

중요성

• 정확한 지도 학습 ML 모델을 구축하는 데 중요합니다.
• 라벨이 제대로 부착되지 않으면 시스템 안정성이 떨어집니다.
• 종종 노동 집약적이고 비용이 많이 듭니다.
• 의학이나 법률과 같은 분야의 전문 지식이 필요합니다.

운영 방식 (How It Works)

1. 작업을 정의하고 스키마에 레이블을 지정합니다.
2. 원시 데이터를 단위(이미지, 문장, 오디오 클립)로 분할합니다.
3. 수동으로 또는 반자동 도구를 사용하여 라벨을 지정합니다.
4. 품질 검사와 주석자 간 일치 테스트를 수행합니다.
5. 학습을 위해 레이블이 지정된 데이터 세트를 내보냅니다.

예시(실제 세계)

• 샤이프: 자율주행차를 위한 데이터 라벨링.
• Kaggle 데이터 세트: ML 경쟁을 위해 레이블이 지정됨.
• 방사선학 이미지 데이터 세트: 의료 전문가가 레이블을 지정함.

참고문헌 / 추가 자료

• AI를 위한 데이터 주석 — NIST.
• 데이터세트에 주석 달기 및 레이블 지정 — IEEE 데이터 엔지니어링 저널.
• ISO/IEC 24617: 의미 주석 프레임워크 — ISO.
• 데이터 라벨링이란 무엇인가? 초보자가 알아야 할 모든 것 – Shaip