Perché è importante promuovere la partecipazione delle donne nell'AI e nella data science
Scopri l'ispirante percorso di Lians Wanjiku nell'AI e nella data science e come YOLOv5 sta plasmando il futuro del rilevamento degli oggetti.
Le aziende stanno adottando l'intelligenza artificiale più rapidamente che mai per semplificare i processi. Ad esempio, l'AI può essere utilizzata per automatizzare le attività del servizio clienti, aiutare i medici a diagnosticare le malattie, migliorare i risultati dei motori di ricerca, controllare le auto a guida autonoma e così via. L'elenco potrebbe continuare all'infinito...
Con la diffusione dell'AI nella vita quotidiana, la questione della diversità e dell'inclusione nel settore tecnologico rimane una preoccupazione significativa. In particolare, la persistente sottorappresentazione delle donne nella data science e nell'AI, comprese le lacune nei dati di genere, porta a codificare e amplificare i bias nei prodotti tecnici e nei sistemi algoritmici, creando cicli di feedback dannosi.
“Per essere davvero diversificata, l'AI deve includere persone che pensano in modo diverso.” Kay Firth-Butterfield Responsabile dell'AI e del machine learning e membro del comitato esecutivo
L'AI è uno dei settori in cui le donne possono ottenere un enorme successo, soprattutto con il giusto sostegno alla partecipazione femminile nel settore.
Presentiamo Lians Wanjiku, appassionata di data science e machine learning. Qui ripercorreremo il suo percorso nella data science e incoraggeremo le giovani donne a unirsi al movimento tecnologico.
Lians è una studentessa all'ultimo anno e tirocinante come assistente di ricerca presso il centro di data science della Dedan Kimathi University of Technology in Kenya.
Notando quanto fosse semplice estrarre informazioni utili dai dati, Lians si è appassionata al machine learning. Circa un anno fa è entrata a far parte di una community di data science e si è interessata molto a intraprendere una carriera in questo campo. Per Lians, è straordinario il modo in cui la data science e l'AI stanno plasmando il futuro!
Ultralytics YOLOv5 per il rilevamento delle specie animali#
Lians ha iniziato a lavorare con YOLOv5 solo diversi mesi fa! Lavorando con immagini di diverse specie animali, l'obiettivo principale dell'utilizzo di YOLOv5 come modello di rilevamento degli oggetti era classificare le specie animali nella riserva naturale della sua scuola. In seguito, durante il progetto, si è resa conto che, dopo la classificazione, il modello poteva annotare automaticamente tutte le immagini. Questo facilita la riduzione del lavoro umano e consente di risparmiare tempo nell'annotazione delle immagini.
Lians ha anche sperimentato altri modelli di rilevamento degli oggetti preaddestrati, come TFOD e YOLOv3, perché inizialmente aveva bisogno di acquisire conoscenze e competenze in PyTorch. Tuttavia, dopo aver scoperto Ultralytics YOLOv5 durante le sue ricerche, lo ha implementato rapidamente. Per Lians, il modello offre le migliori prestazioni perché è leggero, semplice da usare e garantisce la migliore accuratezza.
“La cosa migliore è che puoi iniziare con solo poche righe di codice!”
Il valore di Ultralytics YOLOv5#
- Aumento dei dati
- Velocità di inferenza
- Il fatto che il modello sia disponibile in diverse varianti (s, m, l e x), ciascuna con un'accuratezza di rilevamento e prestazioni diverse, ha reso tutto più semplice per lei.
Lians consiglia Ultralytics YOLOv5 a chiunque sia nuovo in questo campo. Con le sue parole, "YOLOv5 è stato creato per il rilevamento degli oggetti, quindi è bravo in ciò che fa! Poiché richiede meno operazioni e meno codice da scrivere, YOLO è uno degli algoritmi di rilevamento degli oggetti più conosciuti grazie alla sua velocità e accuratezza."
Lians è disponibile a collaborare su GitHub e a fare due chiacchiere su Twitter; pubblica inoltre articoli sui progetti a cui sta lavorando. Dai un'occhiata al suo articolo: Introduzione al rilevamento degli oggetti con YOLOv5!
Ho implementato il modello di rilevamento degli oggetti su alcuni video con zebre e impala e.... Da questo punto di vista, penso che dovrò tornare in cucina, lavorare con più dati e perfezionare il modello. #100daysofcoding @ultralytics #objectdetection @WomenInDataAfri
— lian.s (@lians_) 29 novembre 2022
Grazie per aver letto dell'esperienza di Lians. Noi di Ultralytics non vediamo l'ora che altre donne si uniscano a questo campo. Continueremo a rendere l'AI più accessibile a tutti: resta sintonizzato!
