슈퍼브 레시피 모델 학습을 위한 데이터셋 구축 💡Tip : 업로드부터 커스텀 오토라벨링까지 한 번에 끝내기 AI 모델 개발 과정에서 가장 큰 어려움은 어디서 시작해야 하고 어떤 순서로 진행해야 할지 결정하는 데 있습니다. 특히, 초기 단계인 데이터 구축 단계에서는 대량의 데이터를 효율적으로 관리하고 라벨링 하는 작업이 필수적이며, 이는 막대한 시간과 비용이 소요되는 과정입니다. 데이터 관리와 라벨링은 AI 모델 학습의 핵심 요소로, 이 과정의 효율성과 정확성은 최종
슈퍼브 레시피 수 십만 장의 데이터를 분석해 학습용 데이터를 선별해야 할 때: Auto-Curate "What to Label" 💡수십만 장의 데이터를 분석, 정제하여 학습용 데이터를 선별해야 하는 작업이 주어졌습니다.이 작업은 예상보다 많은 시간과 노력을 요구합니다. 특히 비정형 데이터 분석 시, 고려해야 할 요소가 너무 많습니다. 물론 메타 데이터로 접근해 볼 수 있습니다만, 아쉽게도 메타 데이터로만으로는 비정형 데이터의 다양성과 복잡성을 다 파악하기 어렵습니다.예를 들어, 촬영 시간에 대한