<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<oembed>
  <author_name>contaconta</author_name>
  <author_url>https://blog.hatena.ne.jp/contaconta/</author_url>
  <blog_title>ABEJA Tech Blog</blog_title>
  <blog_url>https://tech-blog.abeja.asia/</blog_url>
  <categories>
    <anon>AI</anon>
    <anon>Annotation</anon>
    <anon>Deep Learning</anon>
    <anon>Machine Learning</anon>
    <anon>ML</anon>
    <anon>computer vision</anon>
    <anon>survey</anon>
  </categories>
  <description>どうも緒方@conta_です。 みなさんAI頑張ってますか？ きっと昼はGPUサーバーを回して、夜は結果待ちでビールサーバーを回してる人が多いことでしょう。 機械学習を実際のプロダクトに活用する場合、自分が解きたいタスクがそのままオープンなデータセットで解決できることは少ないので、まず最初に課題となるのはデータセット作成です。 実際にカメラやセンサーを取り付けて収集したり、Webからクローリングしてきたり、事業会社であれば自社のデータセットに教師ラベルをつけることで新しいタスクに取り組むことが可能になるでしょう。 よく疑問になるポイントとして、データセットの量と質は、多ければ多いほど良く、高品…</description>
  <height>190</height>
  <html>&lt;iframe src=&quot;https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftech-blog.abeja.asia%2Fentry%2Fannotation-survery&quot; title=&quot;効率的な教師データ作成(アノテーション)のための研究サーベイ - ABEJA Tech Blog&quot; class=&quot;embed-card embed-blogcard&quot; scrolling=&quot;no&quot; frameborder=&quot;0&quot; style=&quot;display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;&quot;&gt;&lt;/iframe&gt;</html>
  <image_url>https://cdn-ak.f.st-hatena.com/images/fotolife/c/contaconta/20190521/20190521120511.png</image_url>
  <provider_name>Hatena Blog</provider_name>
  <provider_url>https://hatena.blog</provider_url>
  <published>2019-05-23 11:55:08</published>
  <title>効率的な教師データ作成(アノテーション)のための研究サーベイ</title>
  <type>rich</type>
  <url>https://tech-blog.abeja.asia/entry/annotation-survery</url>
  <version>1.0</version>
  <width>100%</width>
</oembed>
