Perché è importante dare più spazio alle donne nell'IA e nella scienza dei dati

Le aziende adottano l'intelligenza artificiale più rapidamente che mai per semplificare i processi. Ad esempio, l'AI può 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 molto altro.

Man mano che l'AI diventa onnipresente nella vita quotidiana, la diversità e l'inclusione nel settore tecnologico restano una questione di grande rilievo. In particolare, la persistente sottorappresentazione delle donne nella scienza dei dati e nell'AI, comprese le lacune nei dati di genere, porta a codificare e amplificare i pregiudizi nei prodotti tecnici e nei sistemi algoritmici, creando circoli viziosi dannosi.

«Perché ci sia una vera diversità, bisogna coinvolgere nell'AI persone che pensano in modo diverso.» Kay Firth-Butterfield Responsabile di AI e machine learning e membro del comitato esecutivo

L'AI è uno dei campi in cui le donne possono ottenere risultati straordinari, soprattutto se si favorisce la partecipazione femminile al settore.

Ti presentiamo Lians Wanjiku, appassionata di scienza dei dati e machine learning. Ripercorreremo il suo percorso nel campo della scienza dei dati e incoraggeremo le giovani donne a unirsi al movimento tecnologico.

Lians frequenta l'ultimo anno di università ed è tirocinante assistente di ricerca presso il centro di scienza dei dati della Dedan Kimathi University of Technology, in Kenya.

Dopo aver scoperto quanto sia semplice ricavare informazioni utili dai dati, Lians si è interessata al machine learning. Circa un anno fa è entrata a far parte di una community di data science e ha iniziato a interessarsi molto a questa disciplina come possibile carriera. Per Lians, è straordinario vedere come la data science e l'AI plasmino il futuro!

Ultralytics YOLOv5 per il rilevamento delle specie animali#

Lians ha iniziato a usare YOLOv5 solo pochi mesi fa! Lavorando con immagini di diverse specie animali, il suo obiettivo principale era usare YOLOv5 come modello di rilevamento degli oggetti per 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. In questo modo è più facile ridurre il lavoro manuale e risparmiare tempo nell'annotazione delle immagini.

Lians ha inoltre sperimentato altri modelli preaddestrati per il rilevamento degli oggetti, come TFOD e YOLOv3, perché inizialmente aveva bisogno di acquisire conoscenze e competenze su PyTorch. Tuttavia, dopo aver scoperto Ultralytics YOLOv5 durante le sue ricerche, lo ha implementato rapidamente. Per Lians, il modello offre le prestazioni migliori perché è leggero, semplice da usare e garantisce la migliore accuratezza.

“La cosa migliore è che puoi iniziare con poche righe di codice!”

Il valore di Ultralytics YOLOv5#

• Aumento dei dati
• Velocità di inferenza
• Il fatto che il modello fosse disponibile in diverse varianti (s, m, l e x), ciascuna con un diverso livello di precisione di rilevamento e prestazioni, le ha semplificato il lavoro.

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 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 disponibile per collaborazioni su GitHub e per una chiacchierata su Twitter; inoltre pubblica articoli sui progetti a cui sta lavorando. Leggi il 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 questa prospettiva, credo che dovrò tornare in laboratorio 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. In Ultralytics non vediamo l'ora che sempre più donne entrino in questo settore. Continueremo a rendere l'AI più accessibile a tutti: resta aggiornato!