Warum die Förderung von Frauen in AI und Datenwissenschaft wichtig ist

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

Während AI 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 AI, einschließlich geschlechtsspezifischer Datenlücken, führt dazu, dass Verzerrungen in technischen Produkten und algorithmischen Systemen festgeschrieben und verstärkt werden, wodurch schädliche Rückkopplungsschleifen entstehen.

„Um wirklich vielfältig zu sein, muss man Menschen für AI gewinnen, die anders denken.“ Kay Firth-Butterfield Leiterin des Bereichs AI und maschinelles Lernen sowie Mitglied des Führungsteams

AI ist eines der Bereiche, in denen Frauen außerordentlich erfolgreich sein können, insbesondere wenn ihre Beteiligung an der Branche gezielt gefördert wird.

Lerne Lians Wanjiku kennen, eine begeisterte Anhängerin von Data Science und maschinellem Lernen. Hier verfolgen wir ihren Weg in die Data Science und möchten junge Frauen dazu inspirieren, sich der Technologiewelt anzuschließen.

Lians studiert im Abschlussjahr und absolviert ein Forschungspraktikum als wissenschaftliche Hilfskraft im Data-Science-Zentrum der Dedan Kimathi University of Technology in Kenia.

Als Lians bemerkte, wie einfach sich Erkenntnisse aus Daten gewinnen lassen, erwachte ihr Interesse am maschinellen Lernen. Vor etwa einem Jahr trat sie einer Data-Science-Community bei und begann, sich intensiv für eine berufliche Laufbahn in diesem Bereich zu interessieren. Für Lians ist es faszinierend, wie Data Science und AI die Zukunft vorantreiben!

Ultralytics YOLOv5 zur Erkennung von Tierarten#

Lians begann erst vor einigen Monaten mit YOLOv5! Bei der Arbeit mit Bildern verschiedener Tierarten bestand das Hauptziel des Einsatzes von YOLOv5 als Modell zur Objekterkennung darin, die Tierarten in ihrem schulischen Schutzgebiet zu klassifizieren. Im weiteren Verlauf des Projekts erkannte sie, dass das Modell nach der Klassifizierung alle Bilder automatisch annotieren konnte. Dadurch lassen sich der menschliche Aufwand und die für die Annotation von Bildern benötigte Zeit reduzieren.

Lians experimentierte auch mit anderen vortrainierten Modellen zur Objekterkennung, etwa TFOD und YOLOv3, da sie sich zunächst Wissen und Fähigkeiten in PyTorch aneignen musste. Nachdem sie Ultralytics YOLOv5 jedoch durch eigene Recherchen entdeckt hatte, setzte sie es schnell um. Für Lians funktioniert das Modell am besten, da es leichtgewichtig, einfach zu verwenden ist und die beste Genauigkeit bietet.

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

Der Nutzen von Ultralytics YOLOv5#

• Datenaugmentation
• Inferenzgeschwindigkeit
• Die Tatsache, dass das Modell in mehreren Varianten (s, m, l und x) verfügbar ist, die jeweils eine andere Erkennungsgenauigkeit und Leistung bieten, machte es ihr leichter.

Lians empfiehlt Ultralytics YOLOv5 allen, die neu in diesem Bereich sind. In ihren Worten: „YOLOv5 wurde für die Objekterkennung entwickelt und ist daher darin besonders gut! Da es weniger Operationen und weniger zu schreibenden Code gibt, ist YOLO aufgrund seiner Geschwindigkeit und Genauigkeit einer der bekanntesten Algorithmen zur Objekterkennung.“

Lians ist offen für Kooperationen auf GitHub und auf Twitter für Gespräche erreichbar; außerdem veröffentlicht sie Artikel über die Projekte, an denen sie arbeitet. Lies ihren Artikel: Einführung in die Objekterkennung mit YOLOv5!

Ich habe das Modell zur Objekterkennung auf einigen Videos mit Zebras und Impalas eingesetzt und ... Aus dieser Perspektive denke ich, dass ich wohl wieder in die Küche zurückkehren und mit mehr Daten arbeiten muss, um das Modell zu perfektionieren. #100daysofcoding @ultralytics #objectdetection @WomenInDataAfri

— lian.s (@lians_) 29. November 2022

Danke, dass du über Lians’ Erfahrungen gelesen hast. Wir bei Ultralytics freuen uns darauf, dass sich mehr Frauen diesem Bereich anschließen. Wir werden AI weiterhin für alle einfacher machen – bleib dran!