AI中数据标注（Labeling）的介绍

整个世界正充斥着各种各样的数据，仅仅在2018年，就产生了超过30ZB的数据。

任何一个AI项目中，对专业人员来说，数据的好坏都是一个非常关键的部分。

有时候，我们项目所需要的数据根本就不存在，另外一些时候，这些数据是存在的，但是我们无法获取 — 比如被竞争对手所垄断。当然，还有时候，我们可以获取到数据，但是这些数据却不能直接拿来被我们使用，本文就讨论在这种情况下我们该如何处理。

什么是数据标注？

现如今，大量的数据并不少见，但若你想拿他们来训练Machine Learning和Deep Learning的model，就需要对这些数据进行处理，让他们可以被用来部署，训练和调试对应的Model。Machine Learning和Deep Learning的Model需要大量的被仔细标注过的数据进行训练。而这个对原始数据进行处理和准备的过程我们就称之为数据的标注（Labeling）或者数据注解（Annotation）。AI分析公司Cognilytica的数据显示，对数据相关的处理消耗了整个AI项目的超过80%的时间（如图红色数字所示）：

 

如何进行数据的标注？

一个公司或组织所拥有的数据大部分都是没有被标注的，而标