لماذا يعد تمكين المرأة في الذكاء الاصطناعي وعلوم البيانات أمرا مهما

تتبنى الشركات الذكاء الاصطناعي بشكل 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 محرك البحث ، والتحكم في السيارات ذاتية القيادة ، وما إلى ذلك. والقائمة تطول وتطول...

نظرا لأن الذكاء الاصطناعي أصبح منتشرا في الحياة اليومية ، تظل مسألة التنوع والشمول في التكنولوجيا مصدر قلق كبير. وعلى وجه الخصوص، يؤدي استمرار التمثيل الناقص للمرأة في علوم البيانات الذكاء الاصطناعي، بما في ذلك فجوات البيانات الجنسانية، إلى ترميز وتضخيم التحيز في المنتجات التقنية والأنظمة الخوارزمية، مما يخلق حلقات تغذية مرتدة ضارة.

"لكي تكون متنوعا حقا ، تحتاج إلى جلب الناس 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 نجاحا هائلا ، خاصة مع الدفع الصحيح نحو مشاركة الإناث في الصناعة.

تقديم Lians Wanjiku ، عشاق علوم البيانات والتعلم الآلي. هنا ، سنتجول خلال رحلتها في علوم البيانات ونلهم الشابات للانضمام إلى حركة التكنولوجيا.

ليانز طالبة في السنة النهائية ومتدربة مساعدة أبحاث في مركز علوم البيانات في جامعة ديدان كيماثي للتكنولوجيا في كينيا.

مع ملاحظة مدى سهولة استخراج الرؤى من البيانات ، أصبح اهتمام Lians متحمسا للتعلم الآلي. انضمت إلى مجتمع علوم البيانات منذ حوالي عام وأبدت اهتماما كبيرا بمتابعته كمهنة. بالنسبة إلى Lians ، من المدهش كيف يقود علم البيانات وعلم البيانات الذكاء الاصطناعي المستقبل!

YOLOv5 للكشف عن الأنواع الحيوانية

بدأت Lians فقط مع YOLOv5 منذ عدة أشهر! العمل مع صور الأنواع الحيوانية المختلفة ، والهدف الرئيسي من العمل مع YOLOv5 كنموذج للكشف عن الأشياء كان لتصنيف الأنواع الحيوانية في الحفاظ على مدرستها. في وقت لاحق من المشروع ، أدركت أنه بعد التصنيف ، يمكن للنموذج التعليق تلقائيا على جميع الصور. هذا يجعل من السهل تقليل الجهد البشري وتوفير الوقت في التعليق على الصور.

جربت ليان أيضا نماذج أخرى للكشف عن الأشياء مدربة مسبقا ، 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 بتنفيذه بسرعة. بالنسبة إلى Lian ، يعمل النموذج بشكل أفضل لأنه خفيف الوزن وسهل الاستخدام ويوفر أفضل دقة.

"أفضل جزء هو أنه يمكنك البدء ببضعة أسطر من التعليمات البرمجية!"

القيمة في YOLOv5

• زيادة البيانات
• سرعة الاستدلال
• حقيقة أن النموذج متوفر في العديد من المتغيرات (s و m و l و x) ، ولكل منها دقة كشف وأداء مختلفين جعل الأمر أسهل بالنسبة لها.

توصي ليان YOLOv5 لأي شخص جديد في هذا المجال. على حد تعبيرها ، "YOLOv5 تم تصميمه لاكتشاف الأشياء ، لذا فهو جيد في ما يفعله! نظرا لوجود عدد أقل من العمليات ورمز أقل للكتابة ، YOLO هي واحدة من أكثر خوارزميات الكشف عن الأشياء شهرة نظرا لسرعتها ودقتها.

Lians منفتحة للتعاون على GitHub ومتاحة للدردشة على Twitter ، كما تنشر مقالات حول المشاريع التي تعمل عليها. تحقق من مقالتها: مقدمة في الكشف عن الكائنات مع YOLOv5!

لقد قمت بنشر نموذج اكتشاف الكائنات على بعض مقاطع الفيديو مع كل من الحمر الوحشية والإمبالا و.... من هذا المنظور ، أعتقد أنني سأضطر إلى العودة إلى المطبخ والعمل بمزيد من البيانات وإتقان النموذج. #100daysofcoding @ultralytics#objectdetection @WomenInDataAfri
‍

‍

- lian.s__ (@lians___) نوفمبر 29، 2022

شكرا للقراءة عن تجربة ليان. مثل Ultralytics، نتطلع إلى انضمام المزيد من النساء إلى هذا المجال. سنستمر في جعل الذكاء الاصطناعي أسهل للجميع ، ترقبوا!