AI Canvas
AI Canvas 바로가기
  • 시작하기
    • 서비스 소개
    • 주요 용어 설명
    • 계정 및 언어 설정
  • 캔버스 기본 사용법
    • 캔버스 탭 관리
    • 캔버스 화면 관리
    • 캔버스 공유 및 권한 설정
    • 노드 조작 및 관리
    • 엣지 조작 및 관리
    • 스케줄 설정
    • 노드별 크레딧 소모량
  • 노드 종류
    • 데이터
      • URL 리더
      • 데이터
      • PDF 데이터
      • 데이터 분할
      • 데이터 저장소
      • 명령 프롬프트
      • 예제 데이터
      • 이미지 데이터
      • 텍스트 입력
      • 텍스트-데이터 변환
    • API
      • 기업공시
      • 깃허브 커밋
      • 대화형 아바타
      • 크롤링
      • 프롬프트
    • 전처리
      • 결측치 채우기
      • 그룹화
      • 데이터 병합
      • 데이터 비닝
      • 데이터 수정
      • 데이터 어노테이션
      • 데이터 연결
      • 스케일링
      • 슬라이싱
      • 열 선택
      • 열 타입 변경
      • 이미지 임베딩
      • 이상치 제거
      • 중복 제거
      • 차원 축소
      • 텍스트 임베딩
      • 텍스트 전처리
      • 특성 생성
      • 파이썬 스크립트
      • 표본 재추출
      • 픽셀 변환
      • 행 결합
      • 행 선택
    • 모델
      • YOLO 모델
      • 결정 트리
      • 그래디언트 부스팅
      • 랜덤 포레스트
      • 로지스틱 회귀
      • 모델 학습
      • 서포트 벡터 머신
      • 선형 회귀
      • 시계열 모델 학습
      • 신경망
      • 얼굴 인식
      • 에이다 부스트
      • 일괄 예측
      • 추천 SVD++
      • 추천 모델 학습
      • 추천 베이스라인
      • 프로펫
    • 평가
      • ROC 커브
      • 메트릭
      • 모델 평가
      • 에러 히스토그램
      • 정답 비율
      • 정확도
      • 특성 중요도
      • 특성 중요도 비교
      • 혼동 행렬
    • 알림
      • 이메일 전송
    • 시각화
      • 막대 그래프
      • 수평 막대 그래프
      • 선도표
      • 바이올린 플롯
      • 박스 플롯
      • 산점도 그래프
      • 히트맵
      • 원 그래프
      • 게이지 차트
      • 버블 차트
      • 결측치 비율
      • 데이터 개수
      • 예측값 비교
      • 평균 비교
      • PR 트랜드
      • 특성 통계
      • 평균 예측값
      • 워드클라우드
    • UI
      • 데이터 정보
      • 데이터 테이블
      • 리스트
      • 버튼
      • 샌드박스
      • 아이콘
      • 예측하기
      • 이미지 뷰어
      • 챗 UI
      • 텍스트 출력
      • 텍스트 편집기
      • 페이지
      • 필터
      • 행
      • PDF 뷰어
      • CM
    • 애플리케이션
      • 애플리케이션
    • 배포
      • 배포
  • 워크스페이스 관리
    • 워크스페이스 보기
    • 워크스페이스 생성 및 설정
    • 워크스페이스 공유 및 권한 설정
  • 애플리케이션 페이지
    • 로그인 및 로그아웃
    • 설정 및 캔버스
    • 권한 및 멤버 관리
  • 캔버스 실습 가이드
    • 1. AI 모델 구축
      • 데이터셋 준비
        • 데이터셋 업로드
      • 탐색적 데이터 분석
        • 데이터 살펴보기
        • 결측치 확인하기
      • 데이터 전처리
        • 결측치 채우기
        • 열 선택
      • AI 모델 구축
        • 데이터 분할
        • 학습 알고리즘 선택
        • 모델 학습
        • 모델 사용해보기
      • 데이터 검증
        • 검증 진행
      • 모델 평가
        • 모델 평가
        • 특성 중요도 살펴보기
      • 결과 화면
    • 2. 데이터 시각화
      • 막대 그래프
      • 박스 플롯
      • 산점도 그래프
      • 원 그래프
      • 데이터 개수
      • 에러 히스토그램
      • 예측값 비교
      • 결과 화면
    • 3. 대시보드 UI 제작 및 애플리케이션 구축/배포
      • 페이지 구성하기
      • 애플리케이션 구축
      • 애플리케이션 배포
      • 결과 화면
    • 4. 프레임을 활용한 프레젠테이션 및 캔버스 공유
      • 프레임을 활용한 프레젠테이션
      • 캔버스 공유하기
    • 가이드 전체 영상
  • 인공지능 교육 영상
    • 회귀 모델의 평가지표
    • 분류 모델의 평가지표
Powered by GitBook
On this page
  • 설명
  • 설정
  • 예제
  1. 노드 종류
  2. 전처리

데이터 어노테이션

데이터에 특정한 라벨이나 주석을 추가합니다.

Previous데이터 수정Next데이터 연결

Last updated 8 months ago

입력 포트

  • 데이터셋

출력 포트

  • 데이터셋: 라벨링 작업이 된 데이터셋

설명

데이터 어노테이션 노드는 사용자가 특정 데이터를 라벨링하거나 주석을 추가하여 모델 학습에 활용할 수 있는 형태로 가공하는 작업을 수행합니다. 입력 데이터셋의 컬럼을 기준으로 어노테이션 대상을 선택할 수 있으며, 사용자는 라디오 버튼, 텍스트 입력 등 다양한 도구를 활용해 원하는 값을 입력할 수 있습니다.

해당 노드가 선택된 상태에서는 단축키를 사용할 수 있습니다. 예를 들어, 라디오 도구의 경우 입력란에 [1], [2]와 같은 표기가 있을 때, 표기와 같은 숫자키를 눌러 값을 선택할 수 있습니다. 또, 엔터 키를 눌러 입력한 값을 바로 저장할 수 있습니다.

설정

  1. 어노테이션 대상 선택 : 어노테이션 작업을 수행할 데이터셋의 특정 컬럼을 선택합니다.

  2. 제목 : 해당 작업에 대한 제목을 작성합니다.

  3. 도구 선택 : 어노테이션 작업에 사용할 입력 방식을 선택합니다.

  4. 라벨 추가 : 라벨 추가가 필요한 도구일 경우 활성화되는 설정입니다. 예를 들어, 도구 선택에서 라디오 버튼을 선택했다면 “normal”, “abnormal” 등의 라벨을 추가하여 라디오 버튼의 옵션으로 사용할 수 있습니다.

사용 방법

엑스레이 사진을 대상으로, 정상 비정상을 라벨링하는 예시

예제

1. 작업 대상 데이터셋과 연결
2. 어노테이션 대상 선택
3. 라벨 추가
4. 라벨 선택 후 확인버튼을 눌러 작업 시작