Perché è importante responsabilizzare le donne nell'AI e nella scienza dei dati
Esplora l'ispirante percorso di Lians Wanjiku nell'AI e nella scienza dei dati, e scopri come YOLOv5 sta plasmando il futuro del rilevamento di oggetti.
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 malattie, migliorare i risultati dei motori di ricerca, controllare auto a guida autonoma e così via. L'elenco continua all'infinito...
Mentre l'IA diventa pervasiva nella vita quotidiana, 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, inclusi i divari di 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 diversi devi portare nell'IA persone che pensano in modo diverso.” Kay Firth-Butterfield, Responsabile IA e Machine Learning e Membro del Comitato Esecutivo
L'IA è uno dei campi in cui le donne possono ottenere un successo straordinario, soprattutto con la giusta spinta verso la partecipazione femminile nel settore.
Ti presentiamo Lians Wanjiku, appassionata di scienza dei dati e Machine Learning. Qui ripercorreremo il suo viaggio nel mondo della scienza dei dati per ispirare le giovani donne a unirsi al movimento tecnologico.
Lians è una studentessa all'ultimo anno e tirocinante assistente di ricerca presso il centro di scienza dei dati della Dedan Kimathi University of Technology in Kenya.
Notando quanto fosse semplice estrarre approfondimenti dai dati, l'interesse di Lians si è acceso verso il Machine Learning. Si è unita a una comunità di scienza dei dati circa un anno fa e ha sviluppato un vivo interesse nel perseguirla come carriera. Per Lians, è incredibile come la scienza dei dati e l'IA guidino il futuro!
Ultralytics YOLOv5 per il rilevamento di specie animali#
Lians ha iniziato a usare 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 nella riserva naturale della sua scuola. Più avanti nel progetto, si è resa conto che, dopo la classificazione, il modello poteva annotare automaticamente tutte le immagini. Questo rende più semplice ridurre lo sforzo umano e 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 Ultralytics YOLOv5 tramite la ricerca, lo ha implementato rapidamente. Per Lians, il modello offre le prestazioni migliori in quanto è leggero, semplice da usare e garantisce la massima precisione.
“La parte migliore è che puoi iniziare con solo poche righe di codice!”
Il valore di Ultralytics YOLOv5#
- Data augmentation
- Velocità di inferenza
- Il fatto che il modello sia disponibile in diverse varianti (s, m, l e x), ognuna con una diversa precisione di rilevamento e prestazioni, le ha semplificato il lavoro.
Lians consiglia YOLOv5 di Ultralytics a chiunque sia nuovo in questo campo. Nelle sue parole: "YOLOv5 è stato creato per il rilevamento di oggetti, quindi è bravo in quello che fa! Poiché ci sono meno operazioni e meno codice da scrivere, YOLO è uno degli algoritmi di rilevamento di oggetti più noti grazie alla sua velocità e precisione."
Lians è aperta a collaborazioni su GitHub ed è disponibile per una chat su Twitter, inoltre pubblica articoli sui progetti a cui sta lavorando. Dai un'occhiata al suo articolo: Introduction to Object Detection with YOLOv5!
Ho distribuito il modello di object detection su alcuni video con zebre e impala e... Da questa prospettiva penso che dovrò tornare in cucina a 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 più donne si uniscano a questo campo. Continueremo a rendere l'IA più semplice per tutti, restate sintonizzati!
