↑: [[G検定に関する知識]] - データに正解ラベルを付ける作業。日本語ではラベリング・教師データ作成とも呼ぶ - 教師あり学習に必須の前処理。人が先に正解を作る - 種類：画像分類（犬・猫を付ける）、物体検出（バウンディングボックスで囲む）、セグメンテーション（ピクセル単位で塗り分け）、テキスト分類（ポジティブ/ネガティブ） - 品質管理の3点：ガイドライン（曖昧な例の扱いを明文化）、複数人でラベル付け（多数決・合議）、一致率を測る - ラベルのバラつきが精度の上限になる。人のラベル一致率がAI精度の天井 - コストが大きく、数千万円規模になることもある - cf. [[データの収集・加工・分析・学習]], [[アノテーションコスト]] - 医療画像など高リスク領域の品質管理：専門家が詳細なガイドラインを策定 → 複数アノテーターが**独立に**ラベル付け → 一致率（コーエンのκ係数など）を確認 → 不一致は専門家が裁定（アービトレーション） - ひっかけ：専門知識のない作業者にガイドラインなしで割り当てる／1名が1回だけ付ける／オープンデータのラベルをそのまま使う、は不適切（自社の診断基準・対象・機器と一致しない場合が多い）