AIML-SR: Vežba 4: Setovi za obuku, validaciju i testiranje

Exercise: Data Labeling with Label Studio

Vežba: Označavanje podataka pomoću Label Studio-a

Cilj:

Naučite kako da koristite Label Studio za označavanje skupa podataka za projekat mašinskog učenja.

Preduslovi:

- Osnovno razumevanje označavanja podataka i njegovog značaja u mašinskom učenju.

- Label Studio instaliran na vašem računaru. Ovde su instrukcije za instaliranje.

- Izabrali smo da instaliramo Label Studio koristeći Anaconda.

Koraci:

1. Instalirajte i pokrenite Label Studio koristeći Anaconda:

- Preuzmite i instalirajte Anaconda odavde https://www.anaconda.com/download

- Pokrenite Anaconda navigator, pokrenite anaconda_prompt i pokrenite sledeće komande (jednu po jednu, uz potvrdjivanje sa y, treća komanda nije obavezna)

conda create --name label-studio
conda activate label-studio
conda install psycopg2  # required for LS 1.7.2 only
pip install label-studio

Nakon toga, label-studio okruženje se kreira i sledeći put pokrenite okruženje na label-studio plai dugme -> Open Terminal, koristeći komandu:

label-studio start

Otvorite veb pretraživač i idite na http://localhost:8080 da biste pristupili interfejsu Label Studio.

Prilikom prvog pokretanja, registrujte nalog na Prijavite se link i potvrdite na linku putem primljenog e-maila. Sledeći put možete da se prijavite koristeći ovaj nalog.

2. Kreirajte i podesite novi projekat:

- Kliknite na "Kreiraj" da biste započeli novi projekat.

- Nazovite svoj projekat "Klasifikacija životinja" i navedite kratak opis.

- Idite na karticu Interfejs za označavanje, izaberite "Klasifikacija slike" kao interfejs za označavanje i definišite oznake koje želite da koristite za klasifikaciju pomoću dugmeta Dodaj. Na primer, ako klasifikujete životinje, možda imate oznake kao što su "Mačka", "Pas", "Ptica" itd. Zatim kliknite na "Sačuvaj".

3. Upload podataka:

- Pripremite skup podataka slika. Možete koristiti sopstvene slike ili uzorak skupa podataka slika iz bilo kog javnog izvora (npr. CIFAR-10, ImageNet). Hajde da preuzmemo neke slike mačaka, pasa i ptica iz https://github.com/AIForVet/aiml/tree/main/train

- Kliknite na "Idi na uvoz" i ispustite slike koje ste preuzeli i želite da označite (mačke, psi, ptice ...).

- Zatim kliknite na dugme Uvoz. Kasnije, možete izbrisati izabrane stavke ili dodati nove stavke.

4. Počnite sa označavanjem:

- Kliknite na Označi sve zadatke i počnite sa označavanjem slika tako što ćete odabrati odgovarajuću oznaku za svaku sliku klikom na dugme Pošalji.

- Označite najmanje 20 slika da biste dobili dobru količinu označenih podataka.

7. Izvoz označenih podataka:

- Nakon što označite slike, kliknite na "Izvoz" da biste preuzeli označene podatke.

- Izaberite format izvoza (npr, JSON) i sačuvajte datoteku na lokalnoj mašini.

8. Analizirajte označene podatke:

- Otvorite izvezenu datoteku i pregledajte označene podatke.

- Razgovarajte o tome kako se ovi označeni podaci mogu koristiti za obuku modela mašinskog učenja.

Pitanja za diskusiju:

1. Zašto je označavanje podataka važno u mašinskom učenju?

2. Sa kojim izazovima ste se suočili prilikom označavanja podataka?

3. Kako kvalitet označenih podataka može uticati na performanse modela mašinskog učenja?

4. Koje strategije se mogu koristiti za obezbeđivanje visokokvalitetnog označavanja podataka?

Zadatak:

- Pošaljite izvezenu označenu datoteku sa podacima.

- Napišite kratak izveštaj (1-2 stranice) odgovarajući na pitanja za diskusiju.

Completion requirements:

Make a submission