# データ注釈アプリ

> データ注釈アプリ - DataRobotでモデルをトレーニングした後、データ注釈アプリを活用して、アクティブラーニングの状況下で新しいデータのラベル付けと予測データのラベル付けの両方を行います。

This Markdown file sits beside the HTML page at the same path (with a `.md` suffix). It summarizes the topic and lists links for tools and LLM context.

Companion generated at `2026-07-27T18:44:30.227612+00:00` (UTC).

## Primary page

- [データ注釈アプリ](https://docs.datarobot.com/ja/docs/api/dev-learning/accelerators/llm-and-genai-apps/data-annotator.html.md): Full documentation for this topic (Markdown sidecar).

## Documentation content

[GitHubでこのAIアクセラレーターにアクセス](https://github.com/datarobot-community/ai-accelerators/blob/main/use_cases_and_horizontal_approaches/data_annotator_app/data_annotator_app.ipynb)

一流の機械学習モデルには高品質のトレーニングデータが必要です。 しかし、レビュー担当者チームから素早く簡単にラベルを収集するにはどうすればよいでしょうか？ 1つの方法は、Flaskアプリを立ち上げて、ラベル付けを素早く確認することです。 このノートブックでは、DataRobotでモデルをトレーニングした後、データ注釈アプリを活用して、アクティブラーニングの状況下で(1)新しいデータのラベル付けと(2)予測データのラベル付けの両方を紹介します。

データ注釈アプリには2つの入力が必要です。

- img_path ：現在、アプリは画像にラベル付けするように設定されています（jpgとpngの両方の形式がサポートされています）。 これらの画像をディレクトリに配置し、アプリへのパスを指定する必要があります。
- data_path ：画像に使用できるすべてのラベルをアプリに伝える必要があります。
- まだラベル付けされていない画像を分類する場合、すべての潜在的なクラスを含むlabelという名前の列を少なくとも1つ持つcsvファイルを提供できます。 詳細については、以下のシナリオ1を参照してください。
- すでにラベルが割り当てられている画像を分類する場合、img_path（画像のファイル名）とラベル（画像に割り当てられたクラス）の少なくとも2つの列を含むcsvファイルを提供できます。
- DataRobotですでにスコアリングされた画像を分類する場合、データセットの設定方法の詳細については、以下のシナリオ2を参照してください。