27 dicembre 2022
Scoprite il viaggio stimolante di Lians Wanjiku nell'IA e nella scienza dei dati e come YOLOv5 sta plasmando il futuro del rilevamento degli 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 solo con YOLOv5 diversi mesi fa! Lavorando con immagini di varie specie animali, l'obiettivo principale di YOLOv5 come modello di rilevamento degli oggetti era quello di classify le specie animali nella riserva della sua scuola. Più avanti nel progetto, si è resa conto che, dopo la classificazione, il modello poteva annotare automaticamente tutte le immagini. In questo modo è più facile ridurre lo sforzo umano e risparmiare tempo nell'annotazione delle immagini.
Lians ha sperimentato anche altri modelli di rilevamento degli oggetti pre-addestrati, come TFOD e YOLOv3, perché inizialmente doveva acquisire conoscenze e competenze in PyTorch. Tuttavia, dopo aver trovato YOLOv5 attraverso una ricerca, lo ha rapidamente implementato. Per Lian, questo modello è il migliore in quanto è leggero, semplice da usare e fornisce la migliore precisione.
“La parte migliore è che puoi iniziare con poche righe di codice!”
Lians raccomanda YOLOv5 a chiunque sia alle prime armi in questo campo. Secondo le sue parole,YOLOv5 è stato costruito 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 degli oggetti più conosciuti per la sua velocità e precisione".
Lians è aperta a collaborazioni su GitHub e disponibile per una chiacchierata su Twitter; pubblica anche articoli sui progetti a cui sta lavorando. Date un'occhiata al suo articolo: Introduzione al rilevamento di 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 e lavorare con più dati per 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 entrino in questo campo. Continueremo a rendere l'IA più facile per tutti, restate sintonizzati!
.webp)
