计算机视觉：构建计算机视觉系统时，首先需要标注图片、像素或关键点，或者创建完全包围数字图片的界限（称为边界框），以生成训练数据集。例如，您可以按质量类型（例如，产品与生活方式图片）或内容（图片自身实际包含的内容）对图片进行分类，也可以在指定的像素级别分割图片。然后，您可以使用这些训练数据构建计算机视觉模型，该模型可用于自动对图片进行分类、检测对象的位置、识别图片中的关键点，或分割图片。

自然语言处理：自然语言处理要求您首先手动识别文本中的重要部分或使用特定标签来标注文本，以生成您的训练数据集。例如，您可能想要确定文本广告的观点或意图、识别语音中的部分、归类地点和人名之类的专有名词，并识别图片、PDF 或其他文件中的文字。为此，您可以在文字周围绘制边界框，然后手动将这些文字转录到训练数据集。自然语言处理模型用于情感分析、实体名称识别和光学字符识别。

音频处理：音频处理可以将所有类型的声音，例如语音、野生动物噪音（吠声、嚎叫或鸟鸣）和建筑声音（打碎玻璃、扫描或警报），转换成结构化格式，以便用于机器学习。音频处理通常要求您首先手动将其转录为书面文本。然后，您可以通过添加标签并对音频进行分类，找出关于该音频的更深层的信息。这种经过分类的音频成为您的训练数据集。