AI 팀을 위한 데이터셋 관리와 버전 관리

데이터셋 관리는 이미 라벨링한 데이터를 체계적이고 추적 가능한 학습 입력으로 준비하도록 돕습니다. Unitlab에서 팀은 샘플을 시각적으로 확인하고, 관련 데이터를 필터링하고, 버전을 관리하며, 검토된 학습용 결과물을 준비할 수 있습니다. 이를 통해 데이터 어노테이션 결과를 반복 가능한 전달 워크플로에 연결합니다.

데이터 큐레이션은 적합한 원본 데이터를 찾고 선택하는 데 중점을 둡니다. 데이터셋 관리는 라벨링한 데이터를 정리하고, 시각적으로 확인하고, 필터링하고, 버전 관리하여 후속 작업에 준비하는 과정입니다. 두 과정은 목적에 맞는 데이터 선택과 추적 가능한 학습 데이터 전달을 연결합니다.

네. 원본 데이터와 어노테이션을 살펴보고 사용 가능한 필터와 속성으로 확인할 샘플을 좁힐 수 있습니다. 학습용 릴리스를 준비하기 전에 품질 보증, 검토, 재작업을 통해 라벨링 문제를 해결하세요.

데이터셋 버전은 특정 시점에 데이터셋에 포함된 원본 데이터 구성을 보존합니다. 어노테이션 릴리스는 전달할 프로젝트의 라벨링 결과를 고정합니다. 데이터셋 버전으로 입력 데이터를, 프로젝트 릴리스로 학습에 사용한 라벨링 결과를 식별하세요.

네. 게시된 데이터셋 버전을 다른 프로젝트의 원본 데이터로 사용할 수 있습니다. 프로젝트는 자체 복사본으로 작업하므로 이후의 어노테이션 변경이 원본 데이터셋을 수정하지 않습니다. 자세한 절차는 데이터셋 버전과 이력을 확인하세요.

Unitlab은 이미지, 비디오, 오디오, 텍스트, 문서와 PDF, HTML 웹페이지, 의료 영상, 전장 슬라이드 병리 이미지, 지리공간 영상, 센서 및 시계열 데이터, 표 형식 데이터 워크플로를 지원합니다. 관련 데이터에 공유 맥락이 필요하면 멀티모달 어노테이션을 살펴보고 각 학습 워크플로에 적합한 출력 형식을 선택하세요.

샘플을 확인하고 어노테이션 품질 워크플로로 남은 문제를 해결하세요. 원본 데이터셋 버전을 기록하고 검토된 어노테이션의 프로젝트 릴리스를 만든 뒤 학습 파이프라인에 적합한 지원 형식으로 내보내세요. 입력 데이터와 전달한 라벨을 더 쉽게 추적할 수 있습니다.

API 문서, Python SDK 가이드, CLI 문서에서 지원되는 통합 단계를 확인하세요. 데이터셋 버전과 릴리스 식별자를 학습 실행 기록과 함께 보관하면 사용한 데이터와 어노테이션을 추적할 수 있습니다.