Platform For AI：Buat pekerjaan pelabelan

Batasan

Hanya administrator ruang kerja dan administrator pelabelan yang dapat mengelola pekerjaan pelabelan. Jika Anda tidak memiliki izin yang diperlukan, hubungi administrator ruang kerja untuk menetapkan peran administrator pelabelan ke akun Anda. Untuk informasi lebih lanjut, lihat Kelola anggota ruang kerja.

Prosedur

1. Buka halaman iTAG.

   1. Masuk ke Konsol PAI.

   2. Di panel navigasi sebelah kiri, klik Workspaces. Di halaman Ruang Kerja, klik nama ruang kerja yang ingin Anda kelola.

   3. Di panel navigasi sebelah kiri, pilih Data Preparation > iTAG.

2. Di tab Jobs halaman iTAG, klik Create Task.

3. Di halaman Create Labeling Job, konfigurasikan parameter. Tabel berikut menjelaskan parameter utama. Sesuaikan parameter lainnya sesuai dengan kebutuhan bisnis Anda.

   Parameter	Deskripsi
   Task Name	Nama pekerjaan pelabelan. Nama harus terdiri dari 1 hingga 100 karakter, dan dapat berisi huruf, angka, garis bawah (_), dan tanda hubung (-). Harus dimulai dengan huruf atau angka.
   Input Dataset	Pilih dataset yang dibuat di halaman Manajemen Dataset di Konsol PAI.
   Template Type	Pilih jenis templat pelabelan. Nilai valid: Common Template: templat pelabelan umum yang disediakan oleh PAI. Custom Template: templat pelabelan kustom yang Anda buat. Anda dapat menggabungkan content components dan topic components sesuai petunjuk untuk membuat templat pelabelan kustom. Templat pelabelan kustom cocok untuk skenario di mana Anda memiliki persyaratan yang beragam. Untuk informasi lebih lanjut tentang format data input dan output dari templat pelabelan kustom, lihat Templat pelabelan kustom.
   Template	Jika Anda memilih Common Template untuk parameter Template Type, Anda dapat menentukan jenis templat pelabelan umum yang ingin Anda gunakan. Nilai valid: Nilai valid jika Anda memilih Image: Untuk informasi lebih lanjut tentang skenario di mana templat pelabelan cocok dan format data input dan output dari templat pelabelan, lihat Templat pelabelan gambar. OCR: mengekstrak teks dari bagian tertentu gambar menggunakan pengenalan karakter optik (OCR). Object Detection: menemukan objek dalam gambar. Image Classification: mengklasifikasikan gambar dengan menambahkan satu atau lebih label ke gambar. PDF: melakukan OCR dan klasifikasi label pada file PDF. Moderation and Matting: melakukan tugas moderasi dan matting pada gambar. Table Recognition: mengenali informasi penting dari tabel dan mengedit kontennya sesuai kebutuhan. Nilai valid jika Anda memilih Text Untuk informasi lebih lanjut tentang skenario di mana templat pelabelan cocok dan format data input dan output dari templat pelabelan, lihat Templat pelabelan teks. Named Entity Recognition: mengenali entitas bernama. Text Classification: mengklasifikasikan teks dengan menambahkan satu atau lebih label ke teks. Relationship Analysis for Named Entities: menganalisis hubungan antara entitas bernama, cocok untuk skenario seperti pembuatan graf pengetahuan. Nilai valid jika Anda memilih Video: Untuk informasi lebih lanjut tentang skenario di mana templat pelabelan cocok dan format data input dan output dari templat pelabelan, lihat Templat pelabelan video. Video Classification: mengklasifikasikan video dengan menambahkan satu atau lebih label ke video. Nilai valid jika Anda memilih Audio: Untuk informasi lebih lanjut tentang skenario di mana templat pelabelan cocok dan format data input dan output dari templat pelabelan, lihat Templat pelabelan audio. Audio Classification: mengklasifikasikan file audio dengan menambahkan satu atau lebih label ke file audio. Audio Segmentation: membagi file audio menjadi beberapa klip audio dan menambahkan label ke klip audio tersebut. Automatic Speech Recognition: mengonversi isi file audio menjadi teks.
   OCR Identification Result Configuration	Parameter ini tersedia hanya jika Anda menetapkan Template ke Image dan Gambar ke OCR. Secara default, OCR Identification Result dipilih, yang menentukan bahwa teks diekstraksi dari bagian tertentu gambar menggunakan OCR.
   Label Configuration	Masukkan nama label yang perlu dikenali, dipilih, dan dilabeli oleh pekerja pelabelan dalam pekerjaan pelabelan. Tekan tombol Enter untuk menyelesaikan konfigurasi label. Sebagai contoh, ketika Anda membuat pekerjaan pelabelan yang digunakan untuk mengenali kucing dalam gambar, Anda dapat memasukkan nama label seperti Kucing, American Shorthair, dan British Shorthair untuk membantu pelabelan gambar. Di bagian ini, Anda juga dapat menentukan apakah pekerja pelabelan dapat menambahkan lebih dari satu label ke objek yang mereka pilih dalam pekerjaan pelabelan. Jika Anda ingin menambahkan hanya satu label ke objek, pilih Single Choice. Jika Anda ingin menambahkan lebih dari satu label ke objek, pilih Multiple Choice. Dalam contoh ini, jika Anda memilih Multiple Choice, pekerja pelabelan dapat menambahkan label Kucing dan American Shorthair ke gambar kucing yang dipilih. Catatan Perhatikan bahwa opsi Single Choice atau Multiple Choice hanya menunjukkan jumlah label yang dapat ditambahkan ke objek dalam satu waktu, bukan jumlah kali objek dapat dipilih dan dilabeli.
   Enable or disable smart labeling	Di langkah Konfigurasi Pelabelan Cerdas, konfigurasikan pra-pelabelan data. Untuk informasi lebih lanjut, lihat Konfigurasikan pra-pelabelan cerdas di iTAG.
   Task Description	Deskripsi pekerjaan pelabelan, yang digunakan untuk membedakan pekerjaan pelabelan yang berbeda.
   Assign Subtask Packages	Aturan berdasarkan mana pekerjaan pelabelan dibagi menjadi beberapa paket pekerjaan. Setelah paket pekerjaan didistribusikan, pekerja pelabelan mengklaim paket pekerjaan dan melabeli entri data dalam paket pekerjaan tersebut. Nilai valid: Fixed Size: menentukan jumlah tetap entri data untuk setiap paket pekerjaan. Berikut adalah persyaratan untuk jumlah entri data dalam skenario yang berbeda: Jika dataset memiliki 0 hingga 20.000 entri data, sebuah paket pekerjaan dapat berisi 1 hingga 200 entri data. Jika dataset memiliki 20.000 hingga 100.000 entri data, sebuah paket pekerjaan dapat berisi 5 hingga 200 entri data. Jika dataset memiliki 100.000 hingga 500.000 entri data, sebuah paket pekerjaan dapat berisi 25 hingga 200 entri data. Jika dataset memiliki 500.000 hingga satu juta entri data, sebuah paket pekerjaan dapat berisi 50 hingga 200 entri data. Based on Imported Field: mendistribusikan pekerjaan pelabelan berdasarkan nilai bidang yang Anda tentukan. Entri data yang memiliki nilai bidang yang sama ditempatkan dalam paket pekerjaan yang sama. Targeted Distribution: mendistribusikan pekerjaan pelabelan ke pekerja pelabelan atau tim tertentu.
   Check Proportion	Persentase paket pekerjaan yang ingin Anda tinjau di semua paket pekerjaan dalam pekerjaan pelabelan. Parameter ini diperlukan jika Anda memilih Labeling - Checking atau Labeling - Checking - Acceptance untuk parameter Task Workflow. Persentase default adalah 100%.
   User Configuration	Konfigurasi pengguna. Anda dapat menentukan pekerja pelabelan, pemeriksa, staf penerimaan, dan administrator pekerjaan berdasarkan nilai yang Anda tentukan untuk Task Workflow. Anda dapat menentukan beberapa anggota di ruang kerja saat ini untuk bekerja sama dalam pekerjaan pelabelan. Untuk informasi lebih lanjut tentang peran yang terlibat dalam pekerjaan pelabelan iTAG, lihat Ikhtisar.

4. Setelah konfigurasi selesai, klik Create.

Lihat daftar pekerjaan