Por qué es importante potenciar a las mujeres en IA y ciencia de datos
Explora el inspirador viaje de Lians Wanjiku hacia la IA y la ciencia de datos, y cómo YOLOv5 está dando forma al futuro de la detección de objetos.
Las empresas están adoptando la inteligencia artificial más rápido que nunca para simplificar los procesos. Por ejemplo, la IA se puede utilizar para automatizar tareas de atención al cliente, ayudar a los médicos a diagnosticar enfermedades, mejorar los resultados de los motores de búsqueda, controlar coches autónomos, etc. La lista sigue y sigue...
A medida que la IA se vuelve omnipresente en la vida cotidiana, la cuestión de la diversidad y la inclusión en la tecnología sigue siendo una preocupación importante. En particular, la persistente subrepresentación de las mujeres en la ciencia de datos y la IA, incluidas las brechas de datos de género, conduce a la codificación y amplificación de los sesgos en los productos técnicos y los sistemas algorítmicos, lo que crea bucles de retroalimentación perjudiciales.
“Para ser verdaderamente diverso, necesitas atraer a la IA a personas que piensen de manera diferente”. Kay Firth-Butterfield, jefa de IA y Aprendizaje Automático y miembro del Comité Ejecutivo.
La IA es uno de los campos en los que las mujeres pueden experimentar un éxito tremendo, especialmente con el impulso adecuado hacia la participación femenina en la industria.
Te presentamos a Lians Wanjiku, entusiasta de la ciencia de datos y el aprendizaje automático. Aquí, daremos un paseo por su viaje hacia la ciencia de datos e inspiraremos a las mujeres jóvenes a unirse al movimiento tecnológico.
Lians es estudiante de último año y pasante de asistente de investigación en el centro de ciencia de datos de la Dedan Kimathi University of Technology en Kenia.
Al notar lo sencillo que es extraer información de los datos, el interés de Lians se despertó por el Aprendizaje Automático. Se unió a una comunidad de ciencia de datos hace aproximadamente un año y ha mostrado un gran interés en dedicar su carrera a ello. Para Lians, ¡es increíble cómo la ciencia de datos y la IA impulsan el futuro!
Ultralytics YOLOv5 para la detección de especies de animales#
¡Lians empezó a utilizar YOLOv5 hace apenas unos meses! Al trabajar con imágenes de varias especies de animales, el objetivo principal de utilizar YOLOv5 como modelo de detección de objetos era clasificar las especies de animales en la reserva natural de su escuela. Más adelante en el proyecto, se dio cuenta de que, tras la clasificación, el modelo podía anotar automáticamente todas las imágenes. Esto facilita la reducción del esfuerzo humano y ahorra tiempo al anotar imágenes.
Lians también experimentó con otros modelos de detección de objetos preentrenados, como TFOD y YOLOv3, porque al principio necesitaba adquirir conocimientos y habilidades en PyTorch. Sin embargo, tras encontrar Ultralytics YOLOv5 mediante su investigación, lo implementó rápidamente. Para Lians, el modelo ofrece el mejor rendimiento, ya que es ligero, fácil de usar y proporciona la mejor precisión.
“¡Lo mejor es que puedes empezar con solo unas pocas líneas de código!”
El valor de Ultralytics YOLOv5#
- Aumento de datos
- Velocidad de inferencia
- El hecho de que el modelo esté disponible en varias variantes (s, m, l y x), cada una con una precisión de detección y un rendimiento diferentes, se lo puso más fácil.
Lians recomienda Ultralytics YOLOv5 para cualquier persona que esté empezando en este campo. En sus palabras: "¡YOLOv5 fue creado para la detección de objetos, por lo que es bueno en lo que hace! Como hay menos operaciones y menos código que escribir, YOLO es uno de los algoritmos de detección de objetos más conocidos debido a su velocidad y precisión".
Lians está abierta a colaboraciones en GitHub y disponible para charlar en Twitter, y también publica artículos sobre los proyectos en los que está trabajando. ¡Echa un vistazo a su artículo: Introduction to Object Detection with YOLOv5!
Desplegué el modelo de detección de objetos en algunos vídeos con cebras e impalas y.... Desde esta perspectiva, creo que voy a tener que volver a la cocina y trabajar con más datos y perfeccionar el modelo. #100daysofcoding @ultralytics #objectdetection @WomenInDataAfri
— lian.s (@lians_) 29 de noviembre de 2022
Gracias por leer sobre la experiencia de Lians. Como Ultralytics, esperamos que más mujeres se unan a este campo. Seguiremos haciendo que la IA sea más fácil para todos, ¡permanece atento!
