Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Pelatihan pelabelan data menggunakan manusia dengan Amazon G SageMaker round Truth
catatan
Amazon SageMaker Ground Truth tidak lagi terbuka untuk pelanggan baru. Pelanggan yang sudah ada dapat terus menggunakan layanan seperti biasa. AWS terus berinvestasi dalam peningkatan keamanan dan ketersediaan untuk Ground Truth, tetapi kami tidak berencana untuk memperkenalkan fitur baru.
Untuk melatih model pembelajaran mesin, Anda memerlukan kumpulan data berlabel besar, berkualitas tinggi. Ground Truth membantu Anda membangun kumpulan data pelatihan berkualitas tinggi untuk model pembelajaran mesin Anda. Dengan Ground Truth, Anda dapat menggunakan pekerja dari Amazon Mechanical Turk, perusahaan vendor yang Anda pilih, atau tenaga kerja swasta internal bersama dengan pembelajaran mesin untuk memungkinkan Anda membuat kumpulan data berlabel. Anda dapat menggunakan output dataset berlabel dari Ground Truth untuk melatih model Anda sendiri. Anda juga dapat menggunakan output sebagai kumpulan data pelatihan untuk model SageMaker AI Amazon.
Tergantung pada aplikasi ML Anda, Anda dapat memilih dari salah satu jenis tugas bawaan Ground Truth agar pekerja membuat jenis label tertentu untuk data Anda. Anda juga dapat membuat alur kerja pelabelan khusus untuk menyediakan UI dan alat Anda sendiri kepada pekerja yang memberi label pada data Anda. Untuk mempelajari lebih lanjut tentang Ground Truth yang dibangun dalam jenis tugas, lihatBuilt-in Jenis Tugas. Untuk mempelajari cara membuat alur kerja pelabelan khusus, lihatAlur kerja pelabelan khusus.
Untuk mengotomatiskan pelabelan kumpulan data pelatihan Anda, Anda dapat secara opsional menggunakan pelabelan data otomatis, proses Ground Truth yang menggunakan pembelajaran mesin untuk memutuskan data mana yang perlu diberi label oleh manusia. Pelabelan data otomatis dapat mengurangi waktu pelabelan dan upaya manual yang diperlukan. Untuk informasi selengkapnya, lihat Otomatisasi pelabelan data. Untuk membuat alur kerja pelabelan khusus, lihatAlur kerja pelabelan khusus.
Gunakan alat yang sudah dibuat sebelumnya atau kustom untuk menetapkan tugas pelabelan untuk kumpulan data pelatihan Anda. Template UI pelabelan adalah halaman web yang digunakan Ground Truth untuk menyajikan tugas dan instruksi kepada pekerja Anda. Konsol SageMaker AI menyediakan templat bawaan untuk memberi label data. Anda dapat menggunakan template ini untuk memulai, atau Anda dapat membuat tugas dan instruksi Anda sendiri dengan menggunakan komponen HTML 2.0 kami. Untuk informasi selengkapnya, lihat Alur kerja pelabelan khusus.
Gunakan tenaga kerja pilihan Anda untuk memberi label dataset Anda. Anda dapat memilih tenaga kerja Anda dari:
-
Tenaga kerja Amazon Mechanical Turk lebih dari 500.000 kontraktor independen di seluruh dunia.
-
Tenaga kerja swasta yang Anda buat dari karyawan atau kontraktor Anda untuk menangani data dalam organisasi Anda.
-
Perusahaan vendor yang dapat Anda temukan AWS Marketplace yang mengkhususkan diri dalam layanan pelabelan data.
Untuk informasi selengkapnya, lihat Tenaga Kerja.
Anda menyimpan kumpulan data Anda di bucket Amazon S3. Bucket berisi tiga hal: Data yang akan diberi label, file manifes input yang digunakan Ground Truth untuk membaca file data, dan file manifes keluaran. File keluaran berisi hasil pekerjaan pelabelan. Untuk informasi selengkapnya, lihat Gunakan data input dan output.
Acara dari pekerjaan pelabelan Anda muncul di Amazon CloudWatch di bawah /aws/sagemaker/LabelingJobs grup. CloudWatch menggunakan nama pekerjaan pelabelan sebagai nama untuk aliran log.
Apakah Anda First-time Pengguna Kebenaran Dasar?
Jika Anda adalah pengguna Ground Truth pertama kali, kami sarankan Anda melakukan hal berikut:
-
Baca Memulai: Buat pekerjaan pelabelan kotak pembatas dengan Ground Truth —Bagian ini memandu Anda menyiapkan pekerjaan pelabelan Kebenaran Dasar pertama Anda.
-
Jelajahi topik lain —Tergantung pada kebutuhan Anda, lakukan hal berikut:
-
Jelajahi jenis tugas bawaan — Gunakan jenis tugas bawaan untuk merampingkan proses pembuatan pekerjaan pelabelan. Lihat Built-in Jenis Tugas untuk mempelajari selengkapnya tentang jenis tugas bawaan Ground Truth.
-
Kelola tenaga kerja pelabelan Anda —Buat tim kerja baru dan kelola tenaga kerja Anda yang ada. Untuk informasi selengkapnya, lihat Tenaga Kerja.
-
Pelajari tentang pekerjaan pelabelan streaming — Buat pekerjaan pelabelan streaming dan kirim objek dataset baru ke pekerja secara real time menggunakan pekerjaan pelabelan yang terus berjalan. Pekerja terus menerima objek data baru untuk diberi label selama pekerjaan pelabelan aktif dan objek baru dikirim ke sana. Untuk mempelajari selengkapnya, lihat Lowongan pelabelan streaming Ground Truth.
-
-
Untuk mempelajari lebih lanjut tentang operasi yang tersedia untuk mengotomatiskan operasi Ground Truth, lihat referensi API layanan SageMaker AI.
