由于人工智能系统的普及，各种智能场景在生活中变得普遍。然而，在这些极大方便我们生活的智能背后，数据标注似乎从未被人们所重视。数据标注是怎样的工作？为什么被称为人工智能训练师？
要想了解这些问题，我们需要从机器的学习风格入手。人工智能简单的理解就是机器模仿人的认知方式，方法就是学习。机器学习分为有监督学习和无监督学习。无监督学习的效果往往用来做探索性实验，不可控。在实际的产品应用中，通常会使用监督学习，即使用标记数据作为先验经验。在某种程度上，大量的标注数据是机器学习的向导，每一个标注的图像数据都会影响最终的算法结果。
数据标注的类型有很多种，比如分类、拉框、标注、标记等等。在数据标注之前，首先要对数据进行清洗，得到符合要求的数据。数据清理包括删除无效数据，将其整理成常规格式等等。常见的几种数据标注类型有:分类标注、框架标注、区域标注、跟踪点标注等。有些需要根据不同的需求标注。
随着对数据需求的不断增加，完成数据标注工作所需的人数也在不断上升。很多知名的科技公司都会雇佣大量的人来完成这样的精细任务来支持机器学习。
如今，人工智能行业已经发展到了一个成熟的阶段，对数据的需求不仅在数量上不断增加，而且在精度和质量上也在不断提高。在此背景下，行业也产生了对专业人才的更大需求。但不可否认的事实是，目前市场上人才供给与人才需求之间存在明显的不平衡。