Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Etiquetado de datos en un entorno humano
<a name="data-label"></a>

Para entrenar un modelo de machine learning, necesita un conjunto de datos grande, de alta calidad y etiquetado. Puede etiquetar sus datos con Amazon SageMaker Ground Truth. Elija uno de los [tipos de tareas integrados](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-task-types.html) de Ground Truth o cree su propio [flujo de trabajo de etiquetado personalizado](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-custom-templates.html). Para mejorar la precisión y reducir el costo total de etiquetar los datos, utilice las características de etiquetado de datos mejoradas de Ground Truth, como el [etiquetado de datos automatizado](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-automated-labeling.html) y la [consolidación de anotaciones](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-annotation-consolidation.html). 



**Topics**
+ [Entrena el etiquetado de datos con humanos con Amazon SageMaker Ground Truth](sms.md)
+ [Usa Amazon SageMaker Ground Truth Plus para etiquetar datos](gtp.md)
+ [Personal](sms-workforce-management.md)
+ [Referencia de Crowd HTML Elements](sms-ui-template-reference.md)
+ [Uso de Amazon Augmented AI para la revisión humana](a2i-use-augmented-ai-a2i-human-review-loops.md)