. 数据标注是什么？
这是IT互联网公司的一个职位。数据标记员使用自动工具从互联网上捕获和收集文本、图片、语音等数据，然后整理和标记所捕获的数据。相当于互联网上的“全职编辑”。 这个岗位的工作任务简单，没有技术含量。工资基本不高，大部分3000-4000，很少超过5000。而且这些IT公司大多是民营公司，待遇不会太高。
训练集和测试集都是标注的数据。
在标记数据之前，我们应该首先清理数据，以获得符合我们要求的数据。数据清理包括删除无效数据、整理成规则格式等。具体的数据要求可以与算法人员确认。
2. 举例说明
在聊天软件中，我们通常有一个语音到文本的功能。大多数人可能知道这个功能是由智能算法实现的，但很少有人会想，为什么算法能识别这些语音，算法是如何变得如此智能的？
其实智能算法就像人脑一样，需要学习，学习后才能处理和反馈特定数据。
就像语音识别一样，模型算法最初不能直接识别语音内容，而是手动转录语音内容，将算法无法理解的语音内容转化为易于识别的文本内容，然后通过转录的文本内容识别算法模型，并与相应的音频进行逻辑关联。
有人可能会问，如何区分不同的语速和音色模型算法。这就是为什么模型算法在学习过程中需要大量的数据。这些数据必须覆盖常用的语言场景、语速、音色等，以培养出优秀的模型算法。语音标记的过程如下图所示，便于理解。
3. 常见的数据标注类型
1. 分类标注： 分类标签是我们常见的标签。一般来说，数据对应的标签是从既定标签中选择的，这是一个封闭的集合。如下图所示，一张图可以有许多分类 / 标签:成人、女性、黄种人、长发等。对于文字，主语、谓语、宾语、名词动词等都可以标注。
适用:文本、图像、语音、视频
应用:面部年龄识别、情绪识别、性别识别
2. 标框标注： 很容易理解机器视觉中的标框标记，即选择要检测的对象。如果人脸识别，首先要确定人脸的位置。
适用：图像
应用:人脸识别、物品识别
3. 区域标注： 与标框标记相比，区域标记要求更准确。边缘可以是灵活的。例如，自动驾驶中的道路识别。
应用：自动驾驶
4. 描点标注： 在一些对特征要求细致的应用中，往往需要标注点。人脸识别、骨骼识别等。
应用：人脸识别、骨识别
5. 其他标注： 除上述常见类型外，还有许多个性化类型。根据不同的需要，需要不同的标记。例如，自动摘要需要标记文章的主要观点。此时，标记严格不属于上述任何一个。（或者你可以把它分类，但主要观点没有这样的客观标准。如果是苹果，估计大多数人的结果都是一样的。
————————————————
版权声明：本文是CSDN博主「麦地与诗人」的原创文章
原文链接：https://blog.csdn.net/YPP0229/article/details/97789995
声明：易商讯尊重创作版权。本文信息搜集、整理自互联网，若有来源标记错误或侵犯您的合法权益，请联系我们。我们将及时纠正并删除相关讯息，非常感谢！
