Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Etichettatura dei dati con un approccio human-in-the-loop
<a name="data-label"></a>

Per addestrare un modello di machine learning, è necessario un set di dati etichettato di grandi dimensioni e di alta qualità. Puoi etichettare i tuoi dati con Amazon SageMaker Ground Truth. Scegli tra uno dei [tipi di attività predefiniti](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-task-types.html) di Ground Truth o crea il tuo [flusso di lavoro di etichettatura personalizzato](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-custom-templates.html). Per migliorare l'accuratezza delle etichette dei dati e ridurre il costo totale dell'etichettatura dei dati, utilizza le funzionalità avanzate di etichettatura dei dati di Ground Truth come l'[etichettatura automatica dei dati](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-automated-labeling.html) e il [consolidamento delle annotazioni](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-annotation-consolidation.html). 



**Topics**
+ [Addestramento dell'etichettatura dei dati utilizzando esseri umani con Amazon SageMaker Ground Truth](sms.md)
+ [Usa Amazon SageMaker Ground Truth Plus per etichettare i dati](gtp.md)
+ [Forza lavoro](sms-workforce-management.md)
+ [Riferimento per gli elementi Crowd HTML](sms-ui-template-reference.md)
+ [Utilizzo di IA aumentata Amazon per la revisione umana](a2i-use-augmented-ai-a2i-human-review-loops.md)