Potatoチームからのニュース、チュートリアル、最新情報。
Potato 2.3.0 führt agentische Annotation mit 12 Trace-Format-Konvertern, Solo Mode für menschlich-LLM-kollaboratives Labeling, Best-Worst Scaling, SSO/OAuth, Parquet-Export und 15 Demo-Projekte ein.
Potato 2.3.0 में agentic annotation के साथ 12 trace format converters, Solo Mode, Best-Worst Scaling, SSO/OAuth, Parquet export, और 15 demo projects प्रस्तुत किए गए हैं।
Potato 2.3.0 introduce l'annotazione agentica con 12 convertitori di formato traccia, Solo Mode per l'etichettatura collaborativa umano-LLM, Best-Worst Scaling, SSO/OAuth, esportazione Parquet e 15 progetti demo.
Potato 2.3.0は、12種類のトレース形式コンバーター付きエージェント型アノテーション、人間とLLMの協調ラベリングのためのSolo Mode、Best-Worst Scaling、SSO/OAuth、Parquetエクスポート、15のデモプロジェクトを導入します。
Erfahren Sie, wie Sie mit Potatos agentischen Annotationsfunktionen eine vollständige Evaluierungspipeline für KI-Agenten einrichten – von der Trace-Importierung bis zum Annotationsschema-Design.
Potato की agentic annotation सुविधाओं का उपयोग करके AI agent outputs का human evaluation कैसे सेट करें — trace import से annotation schema design तक।
Scopri come configurare la valutazione umana degli output di agenti AI utilizzando le funzionalità di annotazione agentica di Potato, dall'importazione delle tracce alla progettazione degli schemi di annotazione.
Potatoのエージェント型アノテーション機能を使用して、トレースのインポートからアノテーションスキーマ設計まで、AIエージェント出力の人間評価をセットアップする方法を学びます。
Schritt-für-Schritt-Tutorial zur effizienten Beschriftung großer Datensätze mit Potatos Solo Mode und menschlich-LLM-Kollaboration – Annotationskosten um bis zu 90 % reduzieren.
Human-LLM collaboration के साथ बड़े datasets को कुशलतापूर्वक label करने के लिए Potato के Solo Mode का उपयोग करने पर चरण-दर-चरण tutorial, annotation लागत को 90% तक कम करते हुए।
Tutorial passo per passo sull'utilizzo di Solo Mode di Potato per etichettare in modo efficiente grandi dataset con la collaborazione umano-LLM, riducendo il costo dell'annotazione fino al 90%.
PotatoのSolo Modeを使用して、人間とLLMの協調で大規模データセットを効率的にラベリングし、アノテーションコストを最大90%削減するステップバイステップチュートリアル。
Wie man Potatos Web-Agent-Trace-Anzeige nutzt, um autonome Web-Browsing-Agenten mit schrittweisen Screenshots, SVG-Overlays und schrittweisen Annotationsschemata zu evaluieren.
Potato के web agent trace display का उपयोग करके स्वायत्त web browsing agents का मूल्यांकन कैसे करें — चरण-दर-चरण screenshots, SVG overlays, और per-step annotation schemas के साथ।
Come utilizzare il display delle tracce degli agenti web di Potato per valutare agenti di navigazione web autonomi, con screenshot passo per passo, overlay SVG e schemi di annotazione per passo.
PotatoのWeb Agent Trace Displayを使用して、ステップバイステップのスクリーンショット、SVGオーバーレイ、ステップごとのアノテーションスキーマで自律Webブラウジングエージェントを評価する方法。
Potato 2.2.0は9つの新しいアノテーションスキーマ、プラグ可能なエクスポートシステム、MACE能力推定、55の検証済み調査票、リモートデータソースを追加します。
Potato 2.1.0は、インスタンス表示システム、画像・ビデオアノテーションのビジュアルAIサポート、スパンリンキング、マルチフィールドスパン、レイアウトカスタマイズを導入します。
KI-gestützte Objekterkennung, Pre-Annotation und Klassifizierung für Bild- und Videoaufgaben mit YOLO, Ollama, OpenAI und Claude einrichten.
YOLO, Ollama, OpenAI, और Claude के साथ image और video tasks के लिए AI-powered object detection, pre-annotation, और classification सेट करें।
Configura il rilevamento di oggetti assistito dall'AI, la pre-annotazione e la classificazione per task su immagini e video con YOLO, Ollama, OpenAI e Claude.
YOLO、Ollama、OpenAI、Claudeを使用した画像・ビデオタスクのAI搭載オブジェクト検出、事前アノテーション、分類の設定方法。
Label Studioのプロジェクト、テンプレート、アノテーションをPotato形式に手動変換するためのステップバイステップガイド。
支払いと品質管理を含む、クラウドソーシングアノテーションのためのPotatoとProlificの統合完全ガイド。
契約書、裁判文書、規制関連書類をドメイン専門知識を活かしてアノテーションするための専門的テクニック。
Potatoの標準的な画像アノテーション機能を使用した医療画像アノテーションのベストプラクティス。
画像セグメンテーション用のポリゴン描画ツールの設定方法、複雑な形状やオーバーラップ領域のコツ。
Wie man Unsicherheits-Sampling nutzt, um Annotationen zu priorisieren und den gesamten Beschriftungsaufwand um bis zu 50 % zu reduzieren.
Annotations को prioritize करने और कुल labeling effort को 50% तक कम करने के लिए uncertainty sampling का उपयोग कैसे करें।
Come usare l'uncertainty sampling per prioritizzare le annotazioni e ridurre il lavoro totale di etichettatura fino al 50%.
不確実性サンプリングを使用してアノテーションの優先順位を決め、ラベリング作業を最大50%削減する方法。
ラベルカラーとバリデーションを含む、コンピュータビジョンタスクのためのバウンディングボックスアノテーション設定の完全ガイド。
Potatoアノテーションをモデルトレーニングと共有のためにHugging Faceデータセット形式に変換する方法。
選好ランキング、A/Bテスト、品質評価のためのサイドバイサイド画像比較インターフェースの構築方法。
AI搭載機能、マルチメディアサポート、能動学習機能を備えたPotato 2.0のリリースを発表します。
AI搭載のキーワードハイライトを設定して、アノテーターの注意を重要な用語やフレーズに向ける方法。
資格テストと承認ワークフローを含む、MTurkでPotatoアノテーションタスクを実行するためのステップバイステップガイド。
ラジオボタン、ツールチップ、キーボードショートカットを備えた効率的なラベリングのための完全な感情分類タスクの構築。
アノテーターのウェルビーイングを考慮した、毒性検出、ヘイトスピーチ分類、センシティブコンテンツラベリングのためのPotato設定方法。
HTMLテンプレート、CSSスタイリング、JavaScriptインタラクティビティを使用したカスタムアノテーションインターフェースの作成方法。
オーディオ再生とリッカートスケールを使用した発音品質評価のための語学学習アノテーションタスクの構築。
オーディオ波形、タイムスタンプマーカー、話者ラベル割り当てを使った話者識別タスクの構築。
精密なフレームナビゲーション、タイムスタンプマーカー、時間的イベントラベリングを備えたビデオアノテーションタスクの設定。
タイムスタンプスパンを使用した音声、音楽、拍手、環境音などの特定の音の検出アノテーションの設定方法。
Eine schnelle Anleitung zur Einrichtung Ihres ersten Annotationsprojekts mit Potato – von der Installation bis zu Ihren ersten beschrifteten Daten.
Installation से अपने पहले labeled data तक, Potato के साथ अपना पहला annotation project सेट करने के लिए एक त्वरित गाइड।
Una guida rapida per configurare il tuo primo progetto di annotazione con Potato, dall'installazione ai tuoi primi dati etichettati.
インストールから初めてのラベル付きデータまで、Potatoで最初のアノテーションプロジェクトを設定するクイックガイド。
アノテーションプロジェクトでのCohenのKappa、FleissのKappa、KrippendorffのAlphaの計算と解釈方法。
Potatoに関する論文がEMNLP 2022に採択されました。ツールの背景にある研究と、研究での引用方法について紹介します。
アノテーションプロジェクトにおけるアノテーション品質を確保するためのベストプラクティス。Potatoおよびそれ以外で実装できる実践的な戦略を含みます。
サムネイルプレビュー、ズームコントロール、マルチラベルサポートを備えた画像分類タスクの設定方法。
Erfahren Sie, wie Sie OpenAI, Claude oder Gemini nutzen, um Ihren Annotatoren intelligente Hinweise und Vorschläge bereitzustellen.
OpenAI, Claude, या Gemini का उपयोग करके अपने annotators को intelligent hints और suggestions प्रदान करना सीखें।
Scopri come usare OpenAI, Claude o Gemini per fornire suggerimenti e hint intelligenti ai tuoi annotatori.
OpenAI、Claude、またはGeminiを使用して、アノテーターにインテリジェントなヒントと提案を提供する方法を学びます。
波形表示、30秒プレビュー、階層的ジャンルラベルを使った音楽アノテーションタスクの作成方法。
Docker、クラウドプラットフォーム、SSL設定を含むPotatoの本番デプロイガイド。
マルチオブジェクトトラッキングアノテーションの概念と、Potatoのビデオアノテーション機能が基本的なトラッキングワークフローをサポートする方法の概要。
波形表示、再生速度コントロール、リッカートスケールを備えた音声感情分類タスクの作成方法。
スパンラベルとキーボードショートカットを使用した固有表現認識アノテーションタスクの作成ステップバイステップチュートリアル。
テキスト、画像、音声、マルチモーダルアノテーションのためのJSONおよびJSONLデータフォーマットの詳細ガイド。
音声文字起こしタスクのための波形表示、再生コントロール、テキスト修正インターフェースの設定方法。
Get notified about new tutorials, releases, and community highlights.