La anotación de datos consiste en revisar observaciones individuales —imágenes, textos, audios— y asignarles la etiqueta correcta que un modelo de aprendizaje supervisado usará como referencia durante su entrenamiento, ya sea mediante anotadores humanos, reglas automáticas, o una combinación de ambos.
Por qué suele ser el cuello de botella de un proyecto
Etiquetar manualmente grandes volúmenes de datos con precisión y consistencia es un proceso costoso y lento, y la calidad de esas etiquetas determina directamente el techo de calidad que el modelo final podrá alcanzar, sin importar qué tan sofisticado sea el algoritmo usado para entrenarlo.