X
Ultralytics YOLOv8.2 FreigabeUltralytics YOLOv8.2 FreigabeUltralytics YOLOv8.2 Pfeil loslassen
Grüner Scheck
Link in die Zwischenablage kopiert

Warum es wichtig ist, Frauen in KI und Data Science zu fördern

Erfahre mehr über Lians Wanjikus inspirierende Reise in die KI und Datenwissenschaft und wie YOLOv5 die Zukunft der Objekterkennung gestaltet.

Unternehmen setzen künstliche Intelligenz schneller als je zuvor ein, um Prozesse zu vereinfachen. KI kann zum Beispiel eingesetzt werden, um Kundendienstaufgaben zu automatisieren, Ärzten bei der Diagnose von Krankheiten zu helfen, Suchmaschinenergebnisse zu verbessern, selbstfahrende Autos zu steuern usw. Die Liste lässt sich beliebig fortsetzen...

Da KI im Alltag allgegenwärtig wird, bleibt die Frage der Vielfalt und Inklusion in der Technologie ein wichtiges Anliegen. Insbesondere die anhaltende Unterrepräsentation von Frauen in den Bereichen Datenwissenschaft und KI, einschließlich geschlechtsspezifischer Datenlücken, führt dazu, dass Vorurteile in technischen Produkten und algorithmischen Systemen kodiert und verstärkt werden, wodurch schädliche Rückkopplungsschleifen entstehen.

"Um wirklich vielfältig zu sein, musst du Menschen in die KI bringen, die anders denken.
Kay Firth-Butterfield
Leiterin der Abteilung KI & Maschinelles Lernen und Mitglied des Exekutivausschusses


KI ist einer der Bereiche, in denen Frauen enormen Erfolg haben können, vor allem, wenn die Beteiligung von Frauen in der Branche richtig gefördert wird.

Lians

Wir stellen dir Lians Wanjiku vor, eine Enthusiastin der Datenwissenschaft und des maschinellen Lernens. Wir begleiten sie auf ihrem Weg in die Datenwissenschaft und inspirieren junge Frauen, sich der Tech-Bewegung anzuschließen.

Lians ist Studentin im letzten Studienjahr und Forschungsassistentin im Data Science Center der Dedan Kimathi University of Technology in Kenia.

Als sie merkte, wie einfach es ist, Erkenntnisse aus Daten zu gewinnen, wurde Lians Interesse am maschinellen Lernen geweckt. Vor etwa einem Jahr schloss sie sich einer Data-Science-Community an und ist seitdem sehr daran interessiert, diesen Beruf zu ergreifen. Für Lians ist es erstaunlich, wie Datenwissenschaft und KI die Zukunft bestimmen!

Zebras aufspüren mit YOLOv5


YOLOv5 zum Aufspüren von Tierarten

Impala aufspüren mit YOLOv5

Lians hat erst vor einigen Monaten mit YOLOv5 vor einigen Monaten! Bei der Arbeit mit Bildern verschiedener Tierarten bestand das Hauptziel der Arbeit mit dem YOLOv5 als Objekterkennungsmodell darin, die Tierarten im Naturschutzgebiet ihrer Schule zu klassifizieren. Später im Projekt stellte sie fest, dass das Modell nach der Klassifizierung alle Bilder automatisch mit Anmerkungen versehen kann. Das macht es einfacher, den menschlichen Aufwand zu reduzieren und Zeit beim Beschriften der Bilder zu sparen.

Lian hat auch mit anderen vortrainierten Objekterkennungsmodellen wie TFOD und YOLOv3 experimentiert, weil sie sich zunächst Kenntnisse und Fähigkeiten in PyTorch aneignen musste. Nachdem sie jedoch durch Recherchen auf YOLOv5 gestoßen war, hat sie es schnell implementiert. Für Lian schneidet das Modell am besten ab, da es leichtgewichtig und einfach zu bedienen ist und die beste Genauigkeit bietet.

"Das Beste ist, dass du mit nur ein paar Zeilen Code loslegen kannst!"

Der Wert in YOLOv5

  • Datenerweiterung
  • Inferenzgeschwindigkeit
  • Die Tatsache, dass es das Modell in mehreren Varianten (s, m, l und x) gibt, die jeweils eine unterschiedliche Erkennungsgenauigkeit und Leistung haben, machte es ihr leichter.

Lians empfiehlt YOLOv5 für alle, die neu auf diesem Gebiet sind. Sie sagt: "YOLOv5 wurde für die Objekterkennung entwickelt, also ist es gut in dem, was es tut! Weil es weniger Operationen gibt und weniger Code geschrieben werden muss, ist YOLO aufgrund seiner Geschwindigkeit und Genauigkeit einer der bekanntesten Algorithmen zur Objekterkennung.

Lians ist offen für Kooperationen auf GitHub und steht für einen Chat auf Twitter zur Verfügung. Sie veröffentlicht auch Artikel über Projekte, an denen sie arbeitet. Schau dir ihren Artikel an: Einführung in die Objekterkennung mit YOLOv5!

Ich habe das Objekterkennungsmodell auf einige Videos mit Zebras und Impalas angewendet und.... Aus dieser Perspektive denke ich, dass ich zurück in die Küche gehen muss, um mit mehr Daten zu arbeiten und das Modell zu perfektionieren. #100daysofcoding @ultralytics #objectdetection @WomenInDataAfri


- lian.s__ (@lians___) November 29, 2022

Danke, dass du über Lians Erfahrungen gelesen hast. Als Ultralytics freuen wir uns darauf, dass mehr Frauen in dieses Feld einsteigen. Wir werden KI auch weiterhin für alle einfacher machen, bleib dran!

Facebook-LogoTwitter-LogoLinkedIn-LogoKopier-Link-Symbol

Lies mehr in dieser Kategorie

Lass uns gemeinsam die Zukunft
der KI gestalten!

Beginne deine Reise in die Zukunft des maschinellen Lernens