机器学习（ML）是人工智能（AI）的一个子领域，在该领域中，机器能够在没有明确编程的情况下进行学习。然而，在机器能够有效执行即使是最简单的人工智能任务（例如区分包含大象或老虎的图像）之前，它必须在包含这两种动物的图像上进行训练。为了在监督学习中有用，训练数据需要由人正确标记或注释，以便机器提取相关特征并生成满足其预期目的的ML模型。这突出了数据注释在视频分析、自然语言处理和音频处理中产生健壮、准确的ML算法方面发挥的重要作用。然而，由于大量低质量、昂贵和非结构化的数据，许多希望开始其监督学习旅程的组织往往难以访问高质量的标记数据集，即地面实况数据。该技术产品是一个基于移动应用程序的数据平台，使公司能够获得高质量的带注释数据。它将数据收集和数据注释任务分散到可管理的小块中，以实现最佳注释性能，并通过移动应用程序将注释任务挤出/挤出到数据标记池中。标签质量是通过游戏化系统和一系列内置验证程序建立的，包括人工智能辅助预过滤和集体人类质量控制。