27 dicembre 2022
Scopri l'entusiasmante percorso di Lians Wanjiku nell'AI e nella scienza dei dati, e come YOLOv5 sta plasmando il futuro del rilevamento oggetti.
.webp)
Le aziende stanno adottando l'intelligenza artificiale più velocemente che mai per semplificare i processi. Ad esempio, l'IA 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, ecc. L'elenco potrebbe continuare all'infinito...
Man mano che l'IA diventa pervasiva nella vita di tutti i giorni, la questione della diversità e dell'inclusione nella tecnologia rimane una preoccupazione significativa. In particolare, la persistente sottorappresentazione delle donne nella scienza dei dati e nell'IA, comprese le lacune nei dati di genere, porta alla codifica e all'amplificazione dei pregiudizi nei prodotti tecnici e nei sistemi algoritmici, creando cicli di feedback dannosi.
“Per essere veramente diversificati, è necessario coinvolgere nell'IA persone che pensano in modo diverso.”
Kay Firth-Butterfield
Responsabile AI e Machine Learning e membro del comitato esecutivo
L'IA è uno dei settori in cui le donne possono ottenere un enorme successo, soprattutto con la giusta spinta verso la partecipazione femminile nel settore.
Presentiamo Lians Wanjiku, appassionata di Data Science e Machine Learning. Ripercorreremo il suo percorso nella scienza dei dati e ispireremo le giovani donne a unirsi al movimento tecnologico.
Lians è una studentessa dell'ultimo anno e stagista come assistente di ricerca presso il centro di data science della Dedan Kimathi University of Technology in Kenya.
Notando quanto sia semplice estrarre informazioni dai dati, l'interesse di Lian si è acceso per il Machine Learning. Si è unita a una comunità di data science circa un anno fa e ha mostrato un vivo interesse a perseguirlo come carriera. Per Lian, è sorprendente come la scienza dei dati e l'IA guidino il futuro!
Lians ha iniziato a utilizzare YOLOv5 solo pochi mesi fa! Lavorando con immagini di varie specie animali, l'obiettivo principale dell'utilizzo di YOLOv5 come modello di object detection era classificare le specie animali nel centro di conservazione della sua scuola. Successivamente, nel corso del progetto, si è resa conto che, dopo la classificazione, il modello poteva annotare automaticamente tutte le immagini. Ciò semplifica la riduzione dello sforzo umano e consente di risparmiare tempo nell'annotazione delle immagini.
Lians ha anche sperimentato altri modelli di object detection pre-addestrati, come TFOD e YOLOv3, perché inizialmente aveva bisogno di acquisire conoscenze e competenze in PyTorch. Tuttavia, dopo aver scoperto YOLOv5 tramite una ricerca, lo ha implementato rapidamente. Secondo Lian, il modello offre le migliori prestazioni perché è leggero, semplice da usare e fornisce la migliore accuratezza.
“La parte migliore è che puoi iniziare con poche righe di codice!”
Lians consiglia YOLOv5 a chiunque sia nuovo in questo campo. A suo dire, "YOLOv5 è stato creato per l'object detection, quindi è efficace in quello che fa! Grazie al minor numero di operazioni e alla minore quantità di codice da scrivere, YOLO è uno degli algoritmi di object detection più noti per la sua velocità e accuratezza."
Lians è disponibile per collaborazioni su GitHub e per una chiacchierata su Twitter; inoltre, pubblica articoli sui progetti a cui sta lavorando. Dai un'occhiata al suo articolo: Introduzione all'Object Detection con YOLOv5!
Ho implementato il modello di object detection su alcuni video con zebre e impala e.... Da questo punto di vista, penso che dovrò tornare in laboratorio e lavorare con più dati e perfezionare il modello. #100daysofcoding @ultralytics #objectdetection @WomenInDataAfri
— lian.s__ (@lians___) 29 novembre 2022
Grazie per aver letto l'esperienza di Lians. Come Ultralytics, non vediamo l'ora che altre donne si uniscano a questo campo. Continueremo a rendere l'IA più facile per tutti, rimanete sintonizzati!
