Por qué es importante impulsar la participación de las mujeres en la IA y la ciencia de datos
Descubre la inspiradora trayectoria de Lians Wanjiku en 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 (AI) más rápido que nunca para simplificar procesos. Por ejemplo, la IA se puede usar 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. Y la lista no acaba aquí...
A medida que la IA se extiende en la vida cotidiana, la diversidad y la inclusión en la tecnología siguen siendo motivo de preocupación. En particular, la persistente infrarrepresentación de las mujeres en la ciencia de datos y la IA, incluidas las lagunas de datos de género, provoca que los sesgos se codifiquen y amplifiquen en productos tecnológicos y sistemas algorítmicos, lo que genera ciclos de retroalimentación perjudiciales.
«Para que haya verdadera diversidad, hay que incorporar a la IA a personas que piensen de forma diferente». Kay Firth-Butterfield, responsable de IA y aprendizaje automático y miembro del comité ejecutivo
La IA es uno de los campos en los que las mujeres pueden alcanzar un éxito extraordinario, especialmente si se impulsa su participación en el sector.
Te presentamos a Lians Wanjiku, entusiasta de la ciencia de datos y el aprendizaje automático. Acompáñanos a conocer su trayectoria en la ciencia de datos e inspírate para que más mujeres jóvenes se unan al movimiento tecnológico.
Lians está en su último año de carrera y es becaria de investigación en el centro de ciencia de datos de la Universidad de Tecnología Dedan Kimathi, en Kenia.
Al darse cuenta de lo fácil que es extraer información de los datos, Lians empezó a interesarse por el aprendizaje automático. Se unió a una comunidad de ciencia de datos hace aproximadamente un año y desde entonces se ha interesado mucho por dedicarse a este campo profesionalmente. A Lians le parece increíble cómo la ciencia de datos y la IA impulsan el futuro.
Ultralytics YOLOv5 para detectar especies animales#
¡Lians empezó a usar YOLOv5 hace solo unos meses! Trabajó con imágenes de distintas especies animales y su principal objetivo al usar YOLOv5 como modelo de detección de objetos era clasificar las especies animales de la reserva natural de su centro educativo. Más adelante, se dio cuenta de que, tras la clasificación, el modelo podía anotar automáticamente todas las imágenes. Esto ayuda a reducir el trabajo manual y el tiempo dedicado a etiquetar imágenes.
Lians también probó otros modelos de detección de objetos preentrenados, como TFOD y YOLOv3, porque al principio necesitaba adquirir conocimientos y experiencia con PyTorch. Sin embargo, después de descubrir Ultralytics YOLOv5 durante su investigación, lo implementó rápidamente. Para Lians, este modelo ofrece el mejor rendimiento porque 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 a cualquiera que se inicie en este campo. En sus palabras: «YOLOv5 se creó para la detección de objetos, ¡así que se le da bien! Como hay menos operaciones y menos código que escribir, YOLO es uno de los algoritmos de detección de objetos más conocidos gracias a su velocidad y precisión».
Lians está abierta a colaborar en GitHub y disponible para charlar en Twitter; también publica artículos sobre los proyectos en los que trabaja. ¡Echa un vistazo a su artículo: Introducción a la detección de objetos con YOLOv5!
He implementado 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, 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 incorporen a este campo. Seguiremos haciendo que la IA sea más fácil para todos; ¡no te pierdas las novedades!
