Pourquoi il est important de donner plus de pouvoir aux femmes dans les domaines de l'IA et de la science des données

Les entreprises adoptent l'intelligence artificielle plus rapidement que jamais pour simplifier leurs processus. Par exemple, l'IA peut être utilisée pour automatiser les tâches du service client, aider les médecins à diagnostiquer des maladies, améliorer les résultats des moteurs de recherche, contrôler les voitures autonomes, etc. La liste est longue...

À mesure que l'IA devient omniprésente dans la vie quotidienne, la question de la diversité et de l'inclusion dans la technologie reste une préoccupation importante. En particulier, la sous-représentation persistante des femmes dans la science des données et l'IA, y compris les lacunes dans les données sur le genre, conduit à l'encodage et à l'amplification des biais dans les produits techniques et les systèmes algorithmiques, créant des boucles de rétroaction nuisibles.

“Pour être vraiment diversifié, vous devez amener dans l'IA des personnes qui pensent différemment.”

Kay Firth-Butterfield
Responsable de l'IA et de l'apprentissage automatique et membre du comité exécutif

L'IA est l'un des domaines dans lesquels les femmes peuvent connaître un succès considérable, surtout si l'on encourage la participation des femmes dans l'industrie.

Présentation de Lians Wanjiku, passionnée de science des données et d'apprentissage automatique. Nous allons retracer son parcours dans la science des données et inciter les jeunes femmes à rejoindre le mouvement technologique.

Lians est étudiante de dernière année et stagiaire assistante de recherche au centre de science des données de l'Université de Technologie Dedan Kimathi au Kenya.

Remarquant la simplicité avec laquelle il est possible d'extraire des informations des données, Lians s'est intéressée à l'apprentissage automatique. Elle a rejoint une communauté de science des données il y a environ un an et s'intéresse de près à la poursuite d'une carrière dans ce domaine. Pour Lians, il est étonnant de voir comment la science des données et l'IA façonnent l'avenir !

YOLOv5 pour la détection des espèces animales

Lians n'a commencé à utiliser YOLOv5 qu'il y a quelques mois ! Travaillant avec des images de diverses espèces animales, l'objectif principal de l'utilisation de YOLOv5 comme modèle de détection d'objets était de classifier les espèces animales dans la réserve naturelle de son école. Plus tard dans le projet, elle s'est rendu compte qu'après la classification, le modèle pouvait automatiquement annoter toutes les images. Cela facilite la réduction des efforts humains et permet de gagner du temps lors de l'annotation des images.

Lians a également expérimenté d'autres modèles de détection d'objets pré-entraînés, tels que TFOD et YOLOv3, car au départ, elle avait besoin d'acquérir des connaissances et des compétences en PyTorch. Cependant, après avoir trouvé YOLOv5 grâce à la recherche, elle l'a rapidement mis en œuvre. Pour Lian, le modèle fonctionne le mieux car il est léger, simple à utiliser et offre la meilleure précision.

“Le meilleur, c'est que vous pouvez commencer avec seulement quelques lignes de code !”

La valeur de YOLOv5

• Augmentation des données
• Vitesse d'inférence
• Le fait que le modèle soit disponible en plusieurs variantes (s, m, l et x), chacune avec une précision de détection et des performances différentes, lui a facilité la tâche.

Lians recommande YOLOv5 à tous ceux qui débutent dans ce domaine. Selon ses mots, "YOLOv5 a été conçu pour la détection d'objets, il est donc bon dans ce qu'il fait ! Parce qu'il y a moins d'opérations et moins de code à écrire, YOLO est l'un des algorithmes de détection d'objets les plus connus en raison de sa vitesse et de sa précision."

Lians est ouverte aux collaborations sur GitHub et disponible pour une discussion sur Twitter, elle publie également des articles sur les projets sur lesquels elle travaille. Consultez son article : Introduction à la détection d'objets avec YOLOv5 !

J'ai déployé le modèle de détection d'objets sur des vidéos avec des zèbres et des impalas et... De ce point de vue, je pense que je vais devoir retourner à la cuisine et travailler avec plus de données et perfectionner le modèle. #100daysofcoding @ultralytics #objectdetection @WomenInDataAfri
‍

‍

— lian.s__ (@lians___) November 29, 2022

Merci d'avoir lu le témoignage de Lians. En tant qu'Ultralytics, nous espérons que davantage de femmes rejoindront ce domaine. Nous continuerons à rendre l'IA plus facile pour tous, restez à l'écoute !