ကျွမ်းကျင်သော ဒေတာ မှတ်ချက်ပေးခြင်း/ ဒေတာတံဆိပ်တပ်ခြင်း ဝန်ဆောင်မှုများသည် လူသားများအားဖြင့် စက်များဖြစ်သည်။

Data Annotation ဆိုသည်မှာ AI အင်ဂျင်အတွက်တိကျသောအရာဝတ္ထုများကိုမှတ်သားနိုင်သောအရာများဖြစ်သော Datasets ထဲသို့ metadata များကိုထည့်ခြင်းဖြင့်အမျိုးအစားခွဲခြင်း၊ တံဆိပ်ကပ်ခြင်း၊ စာသား၊ ရုပ်ပုံ၊ ဗီဒီယိုနှင့်အသံဒေတာအတွင်းရှိအရာဝတ္ထုများကို Tag လုပ်ခြင်းသည် ML algorithms အတွက်တံဆိပ်တပ်ထားသောဒေတာများကိုအဓိပ္ပာယ်ကောက်ယူရန်နှင့်လက်တွေ့ဘ ၀ စိန်ခေါ်မှုများကိုဖြေရှင်းရန်လေ့ကျင့်သင်ကြားခြင်းများအတွက်သိသာထင်ရှားစေသည်။

Data Annotation tool ဆိုသည်မှာစက်၏သင်ကြားရေးဆိုင်ရာအချက်အလက်များဖြစ်သောစာသား၊ အသံ၊ ရုပ်ပုံ၊ ဗီဒီယိုတို့ကိုလေ့ကျင့်သင်ကြားပေးသောကြီးမားသောအချက်အလက်များကိုမှတ်သားရန်အတွက် Cloud သို့မဟုတ် On-premis သို့မဟုတ် containerized software ဖြေရှင်းချက်များတွင်အသုံးချနိုင်သည်။

ဒေတာမှတ်စုများသည်စက်သင်ကြားခြင်းဆိုင်ရာ algorithms များကိုလေ့ကျင့်ရန်အသုံးပြုသောကြီးမားသောဒေတာအစုများကိုအမျိုးအစားခွဲခြင်း၊ တံဆိပ်ကပ်ခြင်း၊ ကြော်ငြာများ၊ ကြော်ငြာများ၊ ဓာတ်ပုံများ၊ စာရွက်စာတမ်းများ၊ မိန့်ခွန်းများစသည်တို့ကိုလုပ်ဆောင်လေ့ရှိပြီး AI အင်ဂျင်အတွက်တိကျသောအရာဝတ္ထုများကိုမှတ်မိစေရန်အတွက်သက်ဆိုင်ရာအကြောင်းအရာများနှင့်သက်ဆိုင်သောအညွှန်းကိုပူးတွဲပေးသည်။

• စာသား Annotation (အမည်တပ်ထားသောမှတ်စုများနှင့်ဆက်နွယ်သောမြေပုံထုတ်ခြင်း၊ သော့ချက်စကားစုတံဆိပ်တပ်ခြင်း၊ စာသားမျိုးခွဲခြားခြင်း၊
• Image ကိုမှတ်စုများ (ပုံအပိုင်းအစ၊ အရာဝတ္ထုကိုရှာဖွေခြင်း၊ အမျိုးအစားခွဲခြားခြင်း၊ အဓိကမှတ်ချက်မှတ်စုများ၊ Bounding Box၊ 3D၊ Polygon စသည်တို့)
• အသံမှတ်ချက် (စပီကာ Diarization, အသံတံဆိပ်ကပ်ခြင်း၊
• ဗီဒီယိုမှတ်ချက်များ (Frame-by-frame annotation, Motion Tracking, etc)

data annotation ဆိုသည်မှာ tags များ၊ အမျိုးအစားများစသည်တို့ဖြင့် Datasets ထဲသို့ metadata များကိုထည့်သွင်းခြင်းလုပ်ငန်းစဉ်ဖြစ်သည်။ အသုံးပြုမှုကိစ္စပေါ် မူတည်၍ ကျွမ်းကျင်သူမှတ်ချက်ပြုသူများသည်စီမံကိန်းအတွက်အသုံးပြုရန်အတွက် annotation technique ကိုဆုံးဖြတ်သည်။

Data Annotation / Data Labeling သည်အရာဝတ္ထုများကိုစက်များဖြင့်မှတ်မိစေသည်။ ၎င်းသည်တိကျသောရလဒ်များကိုရရှိရန်ကွဲပြားခြားနားသောသွင်းအားစုများကိုနားလည်ရန်နှင့်ခွဲခြားဆက်ဆံရန်အတွက် ML model တစ်ခုကိုလေ့ကျင့်ရန်အတွက်ကန ဦး တည်ဆောက်မှုကိုပေးသည်။