Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Daten-Labeling mit einem Human in the Loop
<a name="data-label"></a>

Um ein Modell für Machine Learning zu trainieren, benötigen Sie einen großen, hochwertigen, beschrifteten Datensatz. Sie können Ihre Daten mit Amazon SageMaker Ground Truth beschriften. Wählen Sie einen der in Ground Truth [integrierten Aufgabentypen](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-task-types.html) oder erstellen Sie Ihren eigenen [benutzerdefinierten Beschriftung-Workflow](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-custom-templates.html). Um die Genauigkeit Ihrer Datenbeschriftungen zu verbessern und die Gesamtkosten für die Beschriftung Ihrer Daten zu senken, verwenden Sie erweiterte Daten-Labeling-Funktionen von Ground Truth wie [automatisches Daten-Labeling](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-automated-labeling.html) und [Konsolidierung von Anmerkungen](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-annotation-consolidation.html). 



**Topics**
+ [Kennzeichnung von Trainingsdaten mithilfe von Menschen mit Amazon SageMaker Ground Truth](sms.md)
+ [Verwenden Sie Amazon SageMaker Ground Truth Plus, um Daten zu kennzeichnen](gtp.md)
+ [Arbeitskräfte](sms-workforce-management.md)
+ [Referenz der Crowd-HTML-Elemente](sms-ui-template-reference.md)
+ [Verwendung von Amazon Erweiterte KI für Human Review](a2i-use-augmented-ai-a2i-human-review-loops.md)