지난 게시글에서 인공지능의 기술 및 성능 향상에 고품질의 학습데이터가 필수라는 것을 전달드렸는데요! 학습데이터를 구축하는 단계에서 데이터 품질의 80~90%가 결정되는 만큼, 원하는 수준의 데이터 품질을 확보하기 위해서는 데이터 검수 과정이 빠질 수 없는 중요한 요소입니다.
데이터 검수란 무엇인가요?c 인공지능 모델의 목적에 맞게 각 특성을 고려하여 학습데이터가 구축될 수 있도록 다양한 각도에서 데이터 품질을 확인하는 과정입니다.
한번 구축된 학습데이터는 이슈가 발생하지 않는 한 이후에도 그대로 활용될 확률이 높기 때문에 구축 당시 검수 프로세스 관리가 매우 중요합니다. 검수는 어떻게 진행되나요?
c 원시 데이터의 획득, 정제, 라벨링의 단계를 거치는 모든 과정에서 품질 검사가 이루어지게 되는데요. 특히 데이터 라벨링이 이루어지는 과정에서는 각 데이터 특성 및 목적에 맞는 숙련도가 필요하며 검수 프로세스에 따라 소요되는 비용 및 시간, 데이터 품질의 결과가 달라질 수 있어 충분한 의논...
#
AI
#
오토라벨링
#
인공지능
#
인공지능모델
#
인공지능전문
#
인공지능전문기업
#
자동검수
#
작업도구
#
전문인력
#
크라우드소싱
#
품질관리
#
라벨링작업도구
#
딥네츄럴
#
IT기업
#
검수기준
#
고품질데이터
#
데이터가공
#
데이터검수
#
데이터구축
#
데이터라벨링
#
데이터레이블링
#
데이터수집
#
데이터품질
#
학습데이터
원문 링크 : 인공지능 학습데이터 검수는 꼭 필요할까요?
![[딥네츄럴] 한국어 자연어처리 데이터셋 클루(KLUE) 구축 참여](https://mblogthumb-phinf.pstatic.net/MjAyMTA2MDNfMjU0/MDAxNjIyNzA1MTE0MTE3.B6MKeLIZt-QNAHVP-OaOE8GHAPpMla7wG852omFxgjMg.lMFZE0EI0fJTYhEPce1SK3hLYrfYchhu9n_cYJ0KsZUg.PNG.deepnatural-ai/%B5%F6%B3%D7%C3%F2%B7%B2_%BA%ED%B7%CE%B1%D7_0603_%C5%AC%B7%E7%28%B7%CE%B0%ED%29.png?type=w2)
