数据标注
Data Labeling
关于Fogsphere
Fogsphere是一家位于伦敦的创新公司，专注于通过先进的AI、计算机视觉和工业物联网技术，提升工作场所和城市安全。我们的平台基于“边缘-雾-云”架构，将被动的CCTV摄像头和传感器转变为积极的危险检测器，能够实时且大规模地识别诸如缺失个人防护装备、火灾、烟雾、限制访问违规等威胁。这帮助各行业的组织——从制造、建筑、石油和天然气、医疗保健到智慧城市——将工作场所事故减少多达90%，确保合规性（EHS），并获得强大的运营洞察。Fogsphere直观的无代码可视化工作流、基于Kubernetes的超可扩展基础设施，以及对伦理AI和隐私（GDPR合规）的承诺，使其成为用户友好但企业级的解决方案。
职位描述：我们寻找细致负责的人，从事视觉和/或文本数据的标注和标记工作，按照特定的质量指南进行。这项工作对于人工智能系统的开发和训练至关重要。
主要职责：
- 根据既定指南对数据（图像、文本、视频或其他格式）进行标注或标记。
- 检查自己的工作以确保准确性和一致性。
- 遵守质量和交付期限标准。
- 在过程中发现疑问或不一致时进行沟通。
- 与质量控制团队和主管远程协作。
要求：
- 对细节高度关注，工作精确以避免错误。
- 能够准确遵循指南和指令，接受质量控制团队的反馈并纠正错误。
- 具有动力、耐心和坚持，能够以专注和纪律完成重复性任务。
- 具备在长时间内保持专注的心理能力。
- 良好的沟通能力。
- 适应远程工作模式，能够自主管理时间。
- 中等英语水平（优选，非必需）。
我们提供：
- 100% 远程工作，未来可能转为现场办公。
- 初始培训，包括工具和指导方针，以便全面理解数据标注/标注流程，了解项目的最终目标。
- 协作且灵活的工作环境。
- 根据工作量和质量支付具有竞争力的报酬。
查看英文原文
About Fogsphere
Fogsphere is a London‑based innovator focused on transforming workplace and urban safety through advanced AI, Computer Vision, and Industrial IoT. Built on a principled “Edge‑to‑Fog‑to‑Cloud” architecture, our platform turns passive CCTV cameras and sensors into proactive hazard detectors, capable of identifying threats like missing PPE, fire, smoke, restricted access violations, and more—in real time and at scale. This helps organizations across industries—from manufacturing, construction, oil & gas, and healthcare to smart cities—reduce workplace accidents by up to 90%, ensure regulatory compliance (EHS), and gain powerful operational insights. Fogsphere’s intuitive no‑code visual workflows, hyper‑scalable Kubernetes‑based infrastructure, and commitment to ethical AI and privacy (GDPR compliance) make it a user‑friendly yet enterprise‑grade solution.
Descripción del puesto: Buscamos personas detallistas y responsables para realizar tareas de anotación y etiquetado de datos visuales y/o de texto, siguiendo guías específicas de calidad. Este trabajo es fundamental para el desarrollo y entrenamiento de sistemas de inteligencia artificial.
Responsabilidades principales:
- Anotar o etiquetar datos (imágenes, texto, video u otros formatos) según las guías establecidas.
- Revisar el propio trabajo para asegurar exactitud y consistencia.
- Cumplir con los estándares de calidad y plazos de entrega.
- Comunicar dudas o inconsistencias detectadas durante el proceso.
- Colaborar de forma remota con el equipo de control de calidad y supervisores.
Requisitos:
- Alta atención al detalle y precisión en el trabajo para evitar errores.
- Capacidad para seguir guías e instrucciones con exactitud, recibir comentarios del equipo de control de calidad y corregir errores.
- Motivación, paciencia y constancia para realizar tareas repetitivas con enfoque y disciplina.
- Capacidad mental para mantener la concentración durante períodos prolongados.
• Buena comunicación.
- Adaptabilidad para trabajar en modalidad remota, gestionando el tiempo de forma autónoma.
- Conocimiento intermedio de inglés (deseable, no excluyente).
Ofrecemos:
- Trabajo 100% remoto con vistas a presencial en un futuro próximo.
- Capacitación inicial en herramientas y lineamientos para comprensión del proceso completo de data labeling/anotación, entendiendo el objetivo final del proyecto.
• Ambiente colaborativo y flexible.
- Pago competitivo acorde al volumen y calidad del trabajo.
Originally posted on Himalayas