개인이 일상생활에 있어 주로 어떤 소비를 하는지 분류하기 위해, 추출한 카드 내역에 프린트 되는 다양한 거래처 및 항목들을소비 패턴 분석을 위한 전문적인 지표들로 구분하였습니다. 작업자들은 수차례 교육을 통해 정해진 분류법을 숙지하고 각 항목을 해석하여 라벨링 할 수 있었습니다.

실제 환자들의 CT 촬영 이미지를 활용하여 특정 영역을 라벨링 하기 위한 프로젝트로,이를 위해 해당 분야의 전문의 선생님들과 함께 라벨러를 교육하여 마치 실제 진단을 위해 CT 이미지를 해석하듯이 작업자들이 특정 영역을 잡아낼 수 있게 되었고 양질의 데이터를 구축할 수 있었습니다.

대학 연구팀에서 진행 중이던 뇌 신경세포 구성 라벨링의 경우, 세포를 구성하는 작은 요소들에 대한 지식은 물론 식별할 수 있는 숙련도가 작업에 필수적이었습니다. 담당 뇌 공학 전공자를 모시고 라벨러 교육부터 테스트까지 진행하면서 능숙하게 라벨링이 가능한 작업자들을 양성할 수 있었습니다.

영수증 OCR 프로젝트의 경우 실제 영수증 수집과 가공을 진행하여야 했으므로, 먼저 종이 영수증을 크라우드 인력을 통해 수집하고 스캔된 이미지의 OCR 라벨링 작업을 곧바로 투입할 수 있도록 작업자의 배정과 프로세스 일정 관리에 집중하여 짧은 기한 내에 성공적으로 과업을 마쳤습니다.

제주 지역에 거주하는 실제 도민들의 방언 음성 3,000시간 분량을 3개월 내에 모두 전사 작업을 마쳐야 했기 때문에, 제주 지역 방언을 듣고 받아 적을 수 있는 약 800명의 작업자를 원격으로 모집 및 교육하여 운영 함으로써 기한내 완수할 수 있었으며 품질 또한 양질의 데이터로 구축하였습니다.

자율 주행을 연구하는 한 기업에서 촬영한도로 환경 영상에서 대량의 이미지를 추출, 가공에 활용하였습니다. 이미지 내에 정적 객체와 동적 객체를 모두 라벨링 하다 보니 이미지 한 장에 수십개의 객체가 포함되는 경우가 많아 대규모 크라우드 소싱 인력을 통해 프로젝트를 수행하였습니다.

군용 장비의 경우 그 외관상의 디자인과 각 세부 명칭은 물론 데이터의 대부분 정보가 외부에 유출되어서는 안되는 보안 내용이 많았기 때문에, 각 데이터에 접근할 수 있는 운영 인력, 개발 인력, 작업 인력을 제한 후 데이터 랩이라는 한정된 공간과 특정 시간에만 참여할 수 있도록 관리하였습니다.

상담사와 내담자의 실제 상담 대화 내용을 다루고 있는 데이터를 가공하기 위해 우선 ‘상담 대화’와 ‘내담자 정보‘ 를 분리한 다음 특히나 보안이 중요한 내담자 정보는 특정 관리자만 접근할 수 있도록 하였으며, 상담 대화에 접근할 수 있는 작업자도 비밀 유지 서약서 등을 통해 관리하였습니다.

실제 수술실 환경이 담겨 있는 영상 데이터 라벨링의 경우 데이터 랩에서만 운영하기 위해 상주할 수 있는 작업 인력을 선발하고 각 인력들에게 보안 유지 교육을 실시하여 접근하는 모든 데이터에 대한 엄격한 보안 관리가 이루어질 수 있도록 하였습니다.