데이터 어노테이션(data annotation)은 이미지·텍스트·오디오·영상 같은 원본 데이터에 라벨이나 태그를 붙여 머신러닝 모델이 학습할 수 있게 하는 과정입니다. 이미지 속 객체를 표시하거나, 문서를 분류하거나, 문장의 감성을 기록하는 것처럼 모델이 필요로 하는 의미를 더합니다.
어노테이션은 수동, 반자동, 또는 둘의 혼합으로 이뤄지며, 라벨 오류가 모델 동작에 그대로 흘러들기 때문에 대개 품질 검사를 포함합니다. 예를 들어 결함 탐지기를 만드는 팀은 수천 장의 제품 사진에 결함을 하나하나 표시해 모델이 결함이 어떻게 생겼는지 배우게 합니다.
어노테이션은 라벨을 더해 학습 데이터를 준비합니다. 그 결과 데이터셋이 특정 AI 실행에 쓸 수 있고 재현 가능한지는 별개의 준비도 문제입니다.