Por qué es importante impulsar a las mujeres en la AI y la ciencia de datos
Explora la inspiradora trayectoria de Lians Wanjiku en la AI y la ciencia de datos, y descubre 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 puede utilizarse 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 continúa y continúa...
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 brechas de datos de género, conduce a codificar y amplificar sesgos en productos técnicos y sistemas algorítmicos, creando ciclos de retroalimentación perjudiciales.
«Para ser verdaderamente diversos, hay que incorporar a la IA a personas que piensen de forma 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 alcanzar un éxito extraordinario, especialmente con el impulso adecuado para fomentar la participación femenina en el sector.
Te presentamos a Lians Wanjiku, entusiasta de la ciencia de datos y el aprendizaje automático. Aquí repasaremos su trayectoria en la ciencia de datos e inspiraremos a las jóvenes a unirse al movimiento tecnológico.
Lians es estudiante de último curso y becaria en prácticas de investigación en el centro de ciencia de datos de la Dedan Kimathi University of Technology, en Kenia.
Al darse cuenta de lo sencillo 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 ha mostrado un gran interés por dedicarse profesionalmente a este campo. Para Lians, ¡es increíble cómo la ciencia de datos y la IA impulsan el futuro!
Ultralytics YOLOv5 para detectar especies animales#
¡Lians empezó a trabajar con YOLOv5 hace tan solo varios meses! Al trabajar con imágenes de distintas especies animales, el objetivo principal de utilizar YOLOv5 como modelo de detección de objetos era clasificar las especies animales de la reserva natural de su universidad. Más adelante, durante 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 el ahorro de 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, después de descubrir Ultralytics YOLOv5 mientras investigaba, lo implementó rápidamente. Para Lians, el modelo ofrece el mejor rendimiento porque 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 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 sea nuevo en este campo. En sus palabras: «YOLOv5 se creó para la detección de objetos, ¡así que es bueno en lo que hace! Como requiere menos operaciones y hay que escribir menos código, YOLO es uno de los algoritmos de detección de objetos más conocidos por su velocidad y precisión».
Lians está abierta a colaboraciones 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!
Implementé 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 para 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 todo el mundo; no te pierdas las novedades!
