多様なデータセットへ、世界規模で迅速にアクセス
グローバルなオーディエンスに対して高い精度でスケールするAI出力により、モデル学習と市場投入までの時間を短縮します。
LLMの力を解 き放つ
1つのプラットフォームで、データ収集、アノテーション、評価、トレーニング環境を含むデータライフサイクル全体にわたり、汎用的なデータパイプラインでは対応できないエッジケースを解決し、よりスマートに学習を進められます。
高品質なデータセットを取得
1,000万人を超える貢献者と専門家からなるグローバルネットワークによって大規模に収集・注釈付けされた、POI（関心地点）データ、音声、動画、画像、テキストなど、多様な実世界データセットを用いて、高性能なAIモデルを強化します。¹
専門家によるフィードバックを受けながらトレーニング
Benchmark and fine-tune your models with structured reinforcement learning from human feedback (RLHF), preference ranking, and reward modeling, delivered through custom reinforced learning (RL) gyms built around your specific use case.
データの所有権はお客さまに
貴社の専有データおよび知的財産（IP）は引き続き保護されます。 当社は、Uber の汎用社内AIモデルの学習に貴社のデータを使用しません。また、これらは組織的および技術的な保護策によって守られています。
信頼性とパフォーマンスを確保する
Leverage our experience training over 20,000 AI models. Get key performance insights, streamlined testing, and high-impact quality assurance across multiple operating systems and over 3,000 test devices.
よくある質問
音声のラベル付けとは何ですか？
音声ラベリングは、機械学習モデルが発話、音楽、効果音を認識できるように音声・オーディオデータにタグ付けを行い、音声アシスタント、音声からテキストへの変換、サウンドイベント検出といったアプリケーションを可能にします。
動画のラベリングとは何ですか？
動画のラベリングは、フレームにタグを付けることで、機械学習モデルが物体、アクション、イベントを検出できるように支援します。これにより、監視システム、自動運転、コンテンツのおすすめといったアプリケーションが可能になります。
画像のラベル付けとは何ですか？
画像のラベリ ングは、画像に意味のあるタグやアノテーションを付与することで、機械学習モデルが物体、シーン、パターンを認識できるように支援します。これにより、自動運転車両、顔認識、医用画像診断といったアプリケーションが可能になります。
テキストのラベリングとは何ですか？
テキストラベリングは、機械学習モデルがデータを理解しやすくするために、データにタグを付加する手法です。これにより、AIを活用したチャットボット、検索、レコメンデーションなどにおいて、感情分析、固有表現認識、意図分類といったタスクが可能になります。
¹ March 2026 時点