Warum es wichtig ist, Frauen in der KI & Data Science zu stärken

Unternehmen setzen künstliche Intelligenz schneller als je zuvor ein, um Prozesse zu vereinfachen. KI kann beispielsweise dazu verwendet werden, Kundenservice-Aufgaben zu automatisieren, Ärzten bei der Diagnose von Krankheiten zu helfen, Suchmaschinenergebnisse zu verbessern, selbstfahrende Autos zu steuern usw. Die Liste lässt sich endlos fortsetzen...

Da KI im Alltag allgegenwärtig wird, bleibt die Frage nach Vielfalt und Inklusion in der Technologie ein wichtiges Anliegen. Insbesondere die anhaltende Unterrepräsentation von Frauen in Data Science und KI, einschließlich geschlechtsspezifischer Datenlücken, führt zur Kodierung und Verstärkung von Vorurteilen in technischen Produkten und algorithmischen Systemen, was schädliche Rückkopplungsschleifen erzeugt.

„Um wirklich vielfältig zu sein, musst du Menschen in die KI einbinden, die anders denken.“ Kay Firth-Butterfield Head of AI & Machine Learning und Mitglied des Executive Committee

KI ist einer der Bereiche, in denen Frauen enormen Erfolg haben können, insbesondere mit der richtigen Förderung der weiblichen Beteiligung in der Branche.

Wir stellen Lians Wanjiku vor, ein Data Science- und Machine Learning-Enthusiast. Hier begleiten wir ihren Weg in die Data Science und möchten junge Frauen dazu inspirieren, sich der Tech-Bewegung anzuschließen.

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

Da sie bemerkte, wie einfach es ist, Erkenntnisse aus Daten zu gewinnen, wurde Lians Interesse an Machine Learning geweckt. Vor etwa einem Jahr trat sie einer Data Science-Community bei und entwickelte ein großes Interesse daran, dies beruflich zu verfolgen. Für Lians ist es erstaunlich, wie Data Science und KI die Zukunft vorantreiben!

Link to this sectionYOLOv5 zur Erkennung von Tierarten#

Lians hat erst vor wenigen Monaten mit YOLOv5 angefangen! Bei der Arbeit mit Bildern verschiedener Tierarten war das Hauptziel der Verwendung von YOLOv5 als Objekterkennungsmodell die Klassifizierung der Tierarten im Naturschutzgebiet ihrer Universität. Später im Projekt erkannte sie, dass das Modell nach der Klassifizierung alle Bilder automatisch annotieren konnte. Dies erleichtert die Reduzierung des menschlichen Aufwands und spart Zeit bei der Bildannotation.

Lians experimentierte auch mit anderen vortrainierten Objekterkennungsmodellen wie TFOD und YOLOv3, da sie anfangs Wissen und Fähigkeiten in PyTorch erwerben musste. Nachdem sie jedoch durch Recherchen auf YOLOv5 gestoßen war, implementierte sie es schnell. Für Lians bietet das Modell die beste Leistung, da es leichtgewichtig, einfach zu bedienen ist und die beste Genauigkeit liefert.

„Das Beste daran ist, dass du mit nur wenigen Zeilen Code loslegen kannst!“

Link to this sectionDer Mehrwert von YOLOv5#

• Datenaugmentierung
• Inferenzgeschwindigkeit
• Die Tatsache, dass das Modell in verschiedenen Varianten (s, m, l und x) erhältlich ist, von denen jede eine andere Erkennungsgenauigkeit und Leistung aufweist, machte es ihr leichter.

Lians empfiehlt YOLOv5 jedem, der neu auf diesem Gebiet ist. In ihren Worten: „YOLOv5 wurde für die Objekterkennung entwickelt, daher ist es gut in dem, was es tut! Da es weniger Operationen erfordert und weniger Code geschrieben werden muss, ist YOLO aufgrund seiner Geschwindigkeit und Genauigkeit einer der bekanntesten Objekterkennungsalgorithmen.“

Lians ist offen für Kooperationen auf GitHub und steht für einen Chat auf Twitter zur Verfügung. Zudem veröffentlicht sie Artikel über Projekte, an denen sie arbeitet. Schau dir ihren Artikel an: Introduction to Object Detection with YOLOv5!

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

— lian.s (@lians_) 29. November 2022

Danke, dass du über Lians' Erfahrung gelesen hast. Als Ultralytics freuen wir uns darauf, dass mehr Frauen in diesen Bereich einsteigen. Wir werden weiterhin KI für jeden einfacher machen – bleib dran!