بالنقر فوق “قبول جميع ملفات تعريف الارتباط”، فإنك توافق على تخزين ملفات تعريف الارتباط على جهازك لتحسين التنقل في الموقع وتحليل استخدام الموقع والمساعدة في جهودنا التسويقية. مزيد من المعلومات
إعدادات ملفات تعريف الارتباط
بالنقر فوق “قبول جميع ملفات تعريف الارتباط”، فإنك توافق على تخزين ملفات تعريف الارتباط على جهازك لتحسين التنقل في الموقع وتحليل استخدام الموقع والمساعدة في جهودنا التسويقية. مزيد من المعلومات
تتبنى الشركات الذكاء الاصطناعي بوتيرة أسرع من أي وقت مضى لتبسيط العمليات. على سبيل المثال، يمكن استخدام الذكاء الاصطناعي لأتمتة مهام خدمة العملاء، ومساعدة الأطباء على تشخيص الأمراض، وتحسين نتائج محركات البحث، والتحكم في السيارات ذاتية القيادة، وما إلى ذلك. والقائمة تطول وتطول...
مع انتشار الذكاء الاصطناعي في الحياة اليومية، تظل مسألة التنوع والشمول في التكنولوجيا مصدر قلق كبير. على وجه الخصوص، يؤدي النقص المستمر في تمثيل المرأة في علم البيانات والذكاء الاصطناعي، بما في ذلك الثغرات في البيانات المتعلقة بالنوع الاجتماعي، إلى ترميز وتضخيم التحيز في المنتجات التقنية والأنظمة الخوارزمية، مما يخلق حلقات ردود فعل ضارة.
لكي تكون متنوعًا حقًا، تحتاج إلى جلب أشخاص إلى الذكاء الاصطناعي يفكرون بشكل مختلف."
كاي فيرث-باترفيلد رئيس قسم الذكاء الاصطناعي والتعلم الآلي وعضو اللجنة التنفيذية
الذكاء الاصطناعي هو أحد المجالات التي يمكن للمرأة أن تحقق فيها نجاحًا هائلاً، خاصة مع الدفعة الصحيحة نحو مشاركة الإناث في الصناعة.
نقدم لكم ليانز وانجيكو، المتحمسة لعلوم البيانات وتعلم الآلة. هنا، سنقوم بجولة في رحلتها إلى علم البيانات وإلهام الشابات للانضمام إلى الحركة التقنية.
ليانز طالبة في السنة الأخيرة ومساعدة باحثة متدربة في مركز علوم البيانات في جامعة ديدان كيماتي للتكنولوجيا في كينيا.
بعد ملاحظة مدى سهولة استخلاص رؤى من البيانات، اشتعل اهتمام ليان بالتعلم الآلي. انضمت إلى مجتمع علوم البيانات منذ حوالي عام وأبدت اهتمامًا كبيرًا بمتابعة ذلك كمهنة. بالنسبة إلى ليان، من المدهش كيف تقود علوم البيانات والذكاء الاصطناعي المستقبل!
YOLOv5 للكشف عن أنواع الحيوانات
بدأ ليانز فقط مع YOLOv5 منذ عدة أشهر! من خلال العمل مع صور لأنواع مختلفة من الحيوانات، كان الهدف الرئيسي من العمل مع YOLOv5 كنموذج للكشف عن الكائنات هو classify أنواع الحيوانات في محمية مدرستها. في وقت لاحق من المشروع، أدركت أنه بعد التصنيف، يمكن للنموذج أن يقوم تلقائيًا بتعليق جميع الصور. وهذا يجعل من السهل تقليل الجهد البشري وتوفير الوقت في التعليق على الصور.
جرّبت ليانز أيضًا نماذج أخرى مُدرّبة مسبقًا للكشف عن الأجسام، مثل TFOD و YOLOv3، لأنها في البداية كانت بحاجة إلى اكتساب المعرفة والمهارات في PyTorch. ومع ذلك، بعد العثور على YOLOv5 من خلال البحث، قامت بتطبيقه بسرعة. بالنسبة لـ ليان، كان أداء النموذج هو الأفضل لأنه خفيف الوزنوسهل الاستخدام ويوفر أفضل دقة.
أفضل جزء هو أنه يمكنك البدء ببضعة أسطر فقط من التعليمات البرمجية!"
القيمة في YOLOv5
زيادة البيانات
سرعة الاستدلال
حقيقة أن النموذج متاح في عدة متغيرات (s و m و l و x)، ولكل منها دقة وأداء كشف مختلفين، جعلت الأمر أسهل بالنسبة لها.
توصي ليانز باستخدام YOLOv5 لأي شخص جديد في هذا المجال. على حد تعبيرها:YOLOv5 صُممYOLOv5 لاكتشاف الأجسام، لذا فهو جيد فيما يفعله! نظرًا لقلة عدد العمليات وقلة عدد التعليمات البرمجية التي يجب كتابتها، فإن YOLO هو أحد أشهر خوارزميات اكتشاف الأجسام نظرًا لسرعته ودقته".
لقد قمت بنشر نموذج اكتشاف الكائنات على بعض مقاطع الفيديو مع كل من الحمير الوحشية والحمير الوحشية و.... من هذا المنظور أعتقد أنني سأضطر للعودة إلى المطبخ والعمل على المزيد من البيانات وإتقان النموذج. #100daysofcodingultralytics#objectdetection@WomenInDataAfri
شكراً لقراءتك عن تجربة ليانز. بصفتنا Ultralytics نتطلع إلى انضمام المزيد من النساء إلى هذا المجال. سنستمر في جعل الذكاء الاصطناعي أسهل للجميع، ترقبوا ذلك!
.webp)
