Gegevensannotatie

Definitie

Data-annotatie is het proces waarbij ruwe data wordt voorzien van tags die deze relevant maken voor AI-modellen. Voorbeelden hiervan zijn het labelen van afbeeldingen met objectcategorieën of het taggen van tekst met sentiment.

Doel

Het doel is om trainingsdatasets te creëren waarmee AI patronen in supervised learning kan leren. Zonder annotatie zouden veel AI-taken niet mogelijk zijn.

Belang

• Biedt de 'grondwaarheid' voor het trainen van ML-modellen.
• De kwaliteit van de annotaties heeft invloed op de nauwkeurigheid en eerlijkheid van het model.
• Tijdrovende en arbeidsintensieve taak.
• Vaak is domeinexpertise vereist (bijvoorbeeld medische annotatie).

Hoe het werkt

1. Definieer de taak- en labelcategorieën.
2. Verzamel en verwerk ruwe gegevens.
3. Gebruik annotatiehulpmiddelen voor het labelen.
4. Valideer door middel van kwaliteitscontroles.
5. Exporteer gelabelde gegevens voor modeltraining.

Voorbeelden (echte wereld)

• Amazon Mechanical Turk: crowdsourced annotatieplatform.
• Shaip: data-annotatieservice voor datasets over autonome voertuigen.
• Labelen van radiologische beelden: ziekenhuizen annoteren scans voor AI-diagnose.

Referenties / Verder lezen

• Gegevensannotatie voor AI — NIST.
• Datasets annoteren en labelen — IEEE Transactions on Data Engineering.
• ISO/IEC 24617: Semantisch annotatiekader — ISO.
• Wat is data-annotatie – Shaip