[아르바이트] 재택 알바, 데이터 라벨링! 한번 해보자

안녕하세요! rini입니다!

알바를 고민하던 중에 추천받은 데이터 라벨링 그것에 대해 알아볼 예정입니다.

---

데이터 라벨링

인공지능의 퀄리티가 좋아지기 위해서는 학습이 필요합니다. 이때, 정확한 데이터가 들어가는 것이 중요한데, 데이터 라벨링은 1차적으로 분류해준다 생각하면 쉽습니다. 더 정확하게 말하자면, 인공지능이 학습하는 데이터를 정제하는 일입니다. 예를 들어 자율 주행 차량에 쓰이는 인공지능이라면, 주변 차량이 끼어들 것인지, 갓길에 세워진 것인지 정확히 분석하고 인지하는 것이 중요한데, 인공지능이 잘못 인식하게 되면, 그 차량은 사고가 일어날 수 있게 됩니다. 그래서 사람이 데이터 라벨링을 통해 상황에 따라 사진 혹인 영상 속 차량의 위치, 도로 선 등의 정답이 적힌 데이터로 재가공하여 스스로 학습할 수 있도록 도와주는 것입니다.

 

데이터 라벨링을 하는 사람들을 '데이터 라벨러'라고 부르기도 하는데, 한국 노동 연구원에서 발간하는 월간 노동리뷰(2021년 4월호)에 따르면 2021년 3월 기준 국내 데이터 라벨러는 약 50만 명가량으로 추산된다고 합니다. 특히 코로나19로 인해 사람들이 재택근무를 하는 등 집에 머무르는 시간이 늘면서 데이터 라벨링을 부업, 투잡 등으로 시작하는 사람들이 많아졌습니다. 

반응형

클라우드웍스 홈페이지

어디서 하는 가?

데이터 라벨링을 할 수 있도록 도와주는 플랫폼은 내가 찾은 바로는 세 가지입니다.

'크라우드 웍스(https://crowdworks.kr/)', '레이블러(https://labelr.io/)', 'aiWorks(https://aiworks.co.kr/)'가 있습니다. 이 모두 전용 앱도 존재합니다. 특히 크라우드 웍스 같은 경우 국내 최대 규모의 데이터 라벨링 플랫폼이라고 합니다.

저도 이 크라우드 웍스에 프로젝트 하나를 맡았습니다. 

크라우드 웍스 같은 경우, 개설자는 온라인을 통해서 업무를 의뢰하고 작업자는 업무를 수행하는 오픈 플랫폼. 일정 포인트 이상이어야 현금으로 전환이 가능한데, 현재 친구 이벤트를 하고 있어 추천인을 입력하면, 500p를 그냥 줍니다.

저 같은 경우. 없어서 0p상태에서 시작했어요... 

혹시 추천인 코드가 딱히 없으면 '리니문'으로 해주면 감사합니다.!.🥰

혹시 안되시면 댓글 남겨주시면 다시 알려드리겠습니다.

 

에이아이 웍스(aiworks)도 마찬가지로, 인공지능을 위한 고품질의 학습 데이터를 수집, 가공하는 데이터 서비스 전문 플랫폼으로 마찬가지로 포인트 제이긴 한데, 프로젝트가 비교적 잘 안 올라오며, 조건이 좀 까다로운 편입니다.

 

레이블러는 언제 어디서나 누구나 쉽게 PC와 스마트폰으로 인공지능 가르치고 용돈 버는 크라우드 소싱 플랫폼으로 프로젝트가 자주 올라오는 편입니다. 이것도 일정 포인트를 쌓은 후 현금 전환하며, 초반에 'NIA공공과제 개인정보 제삼자 제공 변경 동의'를 먼저 해야 추후에 프로젝트할 때 막히는 것 없이 가능합니다.

 

국민 내일 배움 카드 교육을 받음으로써 더 쉽게 수익을 얻을 수 있습니다. 실제 프로젝트 몇 개를 보면 조건으로 내일 배움 카드 교육 이수자 전용이 따로 있습니다. 이 같은 경우 조건이 있어서 자신이 거기에 포함되는지 확인하면 좋습니다.

1. 퇴직자

2. 졸업예정자

3. 실직자

가 대표 예인 것 같아요.

 

출처. 한국정경신문

데이터 라벨링 작업

데이터 라벨링 작업은 크게 수집과 가공 2가지로 나뉩니다. 수집의 경우 '식당/집 음식 동물 수집' 혹은 '핸드폰을 이용한 음성 수집'과 같이 이미지나 영상, 음성들을 수집하는 작업입니다. 한마디로, 특정 데이터가 필요한 곳에서 각 플랫폼에 의뢰해서 데이터를 수집하게 되는 것입니다. 가공 업무는 이렇게 수집 자료를 정확하게 다듬는 과정입니다. 이미지나 영상에서 특정 대상(사람, 자동차 등등)을 외곽선을 따거나, 박스를 그리는 것이나 주어진 음성을 듣고 받아쓰기하는 등의 작업입니다.  데이터 유형별로 가공 분야의 대표 적은 업무들은 다음과 같습니다.

---

1) 바운딩

도로 위 자동차를 인식을 위한 데이터가 필요한 경우에 이미지 속 자동차 크기에 맞게 네모난 박스를 만들어 주는 작업입니다. 프로젝트마다 박스 칸 안에 있는 대상의 이름을 태깅(표시) 하기도 하는데, 그 대상이 무엇인지 알려주기 위함입니다.

 

2) 스켈레톤 추출

대표적인 작업으로는 특정 부위에 점을 찍는 작업으로 얼굴의 눈, 코, 입의 경계선에 점을 찍는 일입니다. 사람의 이목구비, 혹은 팔 동작(관절) 등 특정 포인트가 어디에 있고, 어떻게 생겼는지, 움직임에 관한 정보 등을 학습시키기 위한 작업입니다. 

 

3) 감정 태깅

사진 속 사람의 표정이 어떤 감정인지 혹은 어떤 문장을 읽었을 때 느껴지는 감정이 즐거움, 화남, 의아함, 우울함 등의 보기 중에서 어떤 감정인지 선택하는 작업입니다. 인공지능의 인간 감정에 대한 인식을 고도화하기 위해 활용됩니다. 감성인지 공학에서 많이 사용되는 부분입니다.

 

4) 문장 비교

주어진 복수 문장이 같은 의미인지 아닌지 표시하는 작업으로, 인공지능의 문장 파악 정확도를 향상하는 데 활용하기 위한 일입니다.

 

5) 키워드 찾기

주어진 대화에서 핵심이 되는 키워드를 찾는 작업인데, 챗봇의 고도화를 위해 활용됩니다.

 

6) 화자 구분

음성을 듣고 같은 사람인지 표시하는 작업입니다. 인공지능 스피커에 주로 활용됩니다.

 

데이터 라벨러가 되기

데이터 라벨링 플랫폼 중 대표적인 클라우드 웍스를 기준으로 방법을 알려줄 것입니다.

 

1. 회원가입

먼저 사이트, 혹은 앱을 설치 후 접속하여 회원가입을 합니다. 사이트에서 하시는 걸 추천합니다. PC뿐만 아니라 앱을 통해서도 진행할 수 있으나 프로젝트마다 작업 가능한 환경이 다르니 작업 진행 전 확인해야 합니다.

 

2. 작업하기

로그인을 하면 곧바로 다양한 프로젝트가 있는 워크스페이스로 이동하게 됩니다. 리스트를 확인 후 할 수 있을 것 같은 프로젝트를 클릭하여 프로젝트에 따라 개인정보 수집 및 이용에 대한 동의를 거치고, '작업 진입 페이지'로 이동합니다. 이동한 '작업 진입 페이지'에서 프로젝트와 관련된 주의 사항 및 가이드를 꼼꼼히 읽어보고 본격적으로 작업을 진행하시면 됩니다.

 

3. 검수받기 (반려 및 재작업)

작업을 완료하면 가이드에 맞게 검수를 거칩니다. 작업물이 가이드에 맞춰 잘 되었다면 포인트가 지급되고, 가이드에 맞지 않다면, 반려가 됩니다. 이때, 반려된 작업은 정해진 시간 안에 재작업 후 다시 검수 과정을 거쳐야 합니다.

 

4. 검수 완료 및 포인트 적립 

작업이 검수까지 완료되면 포인트를 받게 되며, '포인트 이력' 페이지에서 확인할 수 있습니다.

 

5. 수익금 지급 신청

'수익금 지급신청' 페이지로 이동하여 원하는 만큼의 포인트를 매주 목요일 오후 2시까지 수익금 지급 신청할 수 있습니다. 신청금액은 최소 5000포인트부터 가능하며 그 주의 금요일에 지급됩니다.

 

그 외.. 

데이터 검수자는 데이터 라벨러가 작업한 프로젝트가 가이드에 맞춰 작업이 되었는지 검수하는 일을 하는 사람입니다. 크라우드 웍스에서는 '기본검수 자격 인증과정'을 수료해야 검수자가 될 수 있는 자격이 주어집니다. 교육과정은 입문/중급/전문가 과정으로 나뉘며, 데이터 라벨러로 활동하더라도 도움이 되는 교육이라 들어두면 수월하다고 합니다.

교육을 이수하는데 교육 비용이 들어가지만, 고용노동부에서 지원하는 국민 내일 배움 카드 제도를 통해 자기 계발비 명목으로 1인당 300~500만 원을 지원받으실 수 있습니다. 관련된 자세한 내용은 아래에서 확인하시면 됩니다.

* 국민 내일 배움 카드로 지원받고 교육받기

 

데이터 라벨러가 되어도, 프로젝트 난이도마다 포인트에 차이가 있고, 작업자마다 걸리는 시간이 달라 특정해서 말하기는 어렵지만, 많이 버는 경우, 2시간 미만 작업에 4만 원까지 벌어갈 수 있습니다. 그렇지만, 전업보다는 부업의 개념이 강하기에 직장을 다닌다면 다시 한번 고민하는 것을 추천드리며, 바로 돈을 크게 버는 게 아니라 시간을 들여가야 하는 것이라 생각이 들기에 부업으로 먼저 시작하는 것이 좋을 것 같아요.

 

현재 AI가 발전함에 따라 더욱 고품질의 데이터를 얻기 위해서는 데이터 라벨러의 중요성도 높아지기에, 데이터 라벨러의 수요는 더욱 커질 것이라 생각이 듭니다.