ㅁ 도구 및 기법

ㅇ 정의:
오픈소스 기반의 데이터 라벨링 도구로, 이미지, 텍스트, 오디오 등 다양한 데이터 유형에 대해 웹 인터페이스를 통해 주석 작업을 수행할 수 있음.

ㅇ 특징:
– 웹 브라우저에서 실행 가능하며, 설치 및 배포가 용이함.
– 다양한 데이터 유형과 라벨링 템플릿을 지원.
– Python SDK, REST API를 통한 자동화 및 외부 시스템 연동 가능.
– 팀 협업 기능과 사용자 권한 관리 제공.

ㅇ 적합한 경우:
– 머신러닝 학습용 데이터셋 구축 시 다양한 데이터 타입을 한 플랫폼에서 처리해야 하는 경우.
– 라벨링 작업을 여러 명이 동시에 협업해야 하는 경우.
– 라벨링 프로세스 자동화를 위해 API 연동이 필요한 경우.

ㅇ 시험 함정:
– Label Studio는 클라우드 전용 서비스만 제공한다고 오답 유도 가능 → 실제로는 로컬 설치 및 온프레미스 배포 가능.
– 이미지 데이터만 지원한다고 단정할 수 없음 → 텍스트, 오디오 등 다양한 데이터 유형 지원.

ㅇ 시험 대비 “패턴 보기” 예시:
O: Label Studio는 이미지, 텍스트, 오디오 등 다양한 데이터 라벨링을 지원한다.
X: Label Studio는 반드시 인터넷 연결이 있어야만 사용할 수 있다.

ㅁ 추가 학습 내용

학습 정리

1. Label Studio 플러그인 아키텍처
– 기능 확장과 커스터마이징을 위한 구조 이해
– 플러그인 개발 및 설치 방법 숙지

2. 커스텀 라벨링 UI 개발 방법
– HTML, JavaScript, CSS를 활용한 UI 구성
– Label Studio의 라벨링 구성 요소와 속성 활용법
– 사용자 정의 태그와 인터랙션 구현 방법

3. 대규모 데이터셋 처리 성능 최적화 전략
– 데이터 로딩 및 캐싱 기법
– 병렬 처리와 분산 처리 활용
– 서버 및 네트워크 자원 최적화

4. Active Learning 연계 방법
– 모델 예측 결과를 Label Studio에 반영하는 방법
– 불확실성 기반 샘플링 전략
– API를 통한 자동 데이터 주입 및 라벨링 워크플로우 구성

5. 데이터 버전 관리 기능 및 DVC 통합
– DVC를 이용한 데이터셋 버전 관리 방법
– Label Studio 프로젝트와 DVC 연동 절차
– 변경 이력 추적 및 재현성 확보 방법

6. Label Studio와 다른 라벨링 도구 비교 포인트
– CVAT, Supervisely 등의 주요 기능 비교
– 지원 데이터 타입, 협업 기능, 확장성 차이
– 오픈소스 vs 상용 도구의 장단점

7. 설치형 vs 클라우드형 장단점
– 설치형: 보안성, 커스터마이징 자유도, 초기 설정 비용
– 클라우드형: 접근성, 유지보수 편의성, 구독 비용 구조

8. API 호출 예시
– Label Studio REST API 기본 사용법
– 데이터 가져오기, 라벨 저장, 프로젝트 생성 등의 호출 형식
– 인증 방식 및 응답 데이터 구조