Yolo Vision Shenzhen
Shenzhen
Únete ahora

¿Por qué es importante el empoderamiento de las mujeres en la IA y la ciencia de datos?

Equipo de Ultralytics

4 minutos de lectura

27 de diciembre de 2022

Explore 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 las tareas de atención al cliente, ayudar a los médicos a diagnosticar enfermedades, mejorar los resultados de los motores de búsqueda, controlar los 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 infrarrepresentación de las mujeres en la ciencia de datos y la IA, incluidas las lagunas de datos de género, conduce a la codificación y amplificación de sesgos en los productos técnicos y los sistemas algorítmicos, creando bucles de retroalimentación perjudiciales.

“Para ser verdaderamente diverso, necesitas incorporar a la IA a personas que piensen de manera diferente.”
Kay Firth-Butterfield
Directora 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.

Lians

Presentamos a Lians Wanjiku, entusiasta de la ciencia de datos y el aprendizaje automático. Aquí, daremos un paseo por su trayectoria en la ciencia de datos e inspiraremos a las mujeres jóvenes a unirse al movimiento tecnológico.

Lians es una estudiante de último año y pasante de asistente de investigación en el centro de ciencia de datos de la Universidad de Tecnología Dedan Kimathi en Kenia.

Al darse cuenta de lo sencillo que es extraer información de los datos, el interés de Lian se despertó por el Machine Learning. Se unió a una comunidad de ciencia de datos hace aproximadamente un año y ha mostrado un gran interés en seguir esta carrera. Para Lian, ¡es increíble cómo la ciencia de datos y la IA impulsan el futuro!

Detección de cebras con YOLOv5


YOLOv5 para la detección de especies animales

Detección de Impalas con YOLOv5

¡Lians solo comenzó con YOLOv5 hace varios meses! Trabajando con imágenes de varias especies animales, el objetivo principal de trabajar con YOLOv5 como modelo de detección de objetos era clasificar las especies animales en la reserva natural de su escuela. Más adelante en el proyecto, se dio cuenta de que después de la clasificación, el modelo podía anotar automáticamente todas las imágenes. Esto facilita la reducción del esfuerzo humano y ahorra tiempo en la anotación de imágenes.

Lians también experimentó con otros modelos de detección de objetos pre-entrenados, como TFOD y YOLOv3, porque inicialmente necesitaba adquirir conocimientos y habilidades en PyTorch. Sin embargo, después de encontrar YOLOv5 a través de la investigación, lo implementó rápidamente. Para Lian, el modelo funciona mejor ya que es ligero, fácil de usar y proporciona la mejor precisión.

“¡Lo mejor es que puedes empezar con tan solo unas pocas líneas de código!”

El valor de 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 y un rendimiento de detección diferentes, se lo facilitó.

Lians recomienda YOLOv5 para cualquier persona que sea nueva en este campo. En sus palabras, "YOLOv5 fue construido para la detección de objetos, ¡así que es bueno en lo que hace! Debido a que hay menos operaciones y menos código para 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 conversar en Twitter, también publica artículos sobre los proyectos en los que está trabajando. ¡Echa un vistazo a su artículo: Introducción a la detección de objetos con YOLOv5!

Implementé el modelo de detección de objetos en algunos videos con cebras e impalas y.... Desde esta perspectiva, creo que tendré 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. En Ultralytics, esperamos que más mujeres se unan a este campo. Seguiremos facilitando la IA para todos, ¡manténgase atento!

¡Construyamos juntos el futuro
de la IA!

Comience su viaje con el futuro del aprendizaje automático

Comienza gratis
Enlace copiado al portapapeles