AIとデータサイエンスにおける女性のエンパワーメントが重要な理由

企業は、プロセスを簡素化するために、これまで以上に迅速に人工知能を採用しています。たとえば、AIを使用して、カスタマーサービスのタスクを自動化したり、医師が病気を診断するのを支援したり、検索エンジンの結果を改善したり、自動運転車を制御したりできます。そのリストはどんどん増えていきます...

AIが日常生活に浸透するにつれて、テクノロジーにおける多様性とインクルージョンの問題は依然として重要な懸念事項です。特に、ジェンダーデータギャップを含む、データサイエンスとAIにおける女性の継続的な過小評価は、技術製品やアルゴリズムシステムにおける偏見のエンコードと増幅につながり、有害なフィードバックループを生み出します。

「真に多様性を持たせるには、異なる考え方を持つ人々をAIの世界に連れてくる必要があります。」

Kay Firth-Butterfield
AI & Machine Learning責任者、執行委員会メンバー

AIは、特に業界における女性の参加を後押しすることで、女性が目覚ましい成功を収めることができる分野の1つです。

データサイエンスと機械学習に情熱を注ぐLians Wanjiku氏を紹介します。彼女のデータサイエンスへの道のりをたどり、若い女性たちがテクノロジーの世界に足を踏み入れるきっかけとなるでしょう。

Liansは、ケニアのデダン・キマティ工科大学のデータサイエンスセンターで、最終学年の学生であり、リサーチアシスタントのインターンをしています。

データから洞察を抽出するのがいかに簡単かに気づき、Lianは機械学習に興味を持つようになりました。約1年前にデータサイエンスコミュニティに参加し、キャリアとして追求することに強い関心を持っています。Lianにとって、データサイエンスとAIが未来をどのように推進していくかは驚くべきことです。

YOLOv5 動物種の検出

リアンズは YOLOv5を使い始めたのは数ヶ月前のことだ！様々な動物種の画像を扱う中で、YOLOv5 物体検出モデルとして使う主な目的は、彼女が通う学校の保護区にいる動物種をclassify することだった。プロジェクトの後半になって、彼女は分類後にモデルがすべての画像に自動的に注釈を付けられることに気づいた。これによって、人間の労力を減らし、画像に注釈を付ける時間を節約することが容易になります。

リアンズはまた、TFODやYOLOv3など、事前に学習された他の物体検出モデルも試してみた。しかし、調査を通じてYOLOv5 見つけた後、彼女はすぐに実装した。リアンにとって、このモデルは軽量で 使いやすく、最高の精度を提供するため、最高のパフォーマンスを発揮する。

「最も良い点は、ほんの数行のコードで始められることです！」

YOLOv5価値

• データ拡張
• 推論速度
• モデルがいくつかのバリエーション（s、m、l、x）で利用可能であり、それぞれ検出精度とパフォーマンスが異なるという事実は、彼女にとって使いやすさを向上させました。

リアンズは、この分野を初めて学ぶ人にYOLOv5 いる。彼女の言葉を借りれば、YOLOv5 オブジェクト検出のために作られたので、得意なことは得意です！YOLO そのスピードと正確性から、最もよく知られたオブジェクト検出アルゴリズムのひとつです」。

LiansはGitHubで共同作業を受け付けており、Twitterでチャットすることもできる。彼女の記事をチェックしてください： YOLOv5オブジェクト検出入門！

オブジェクト検出モデルをシマウマとインパラの両方のビデオにデプロイしてみたが......。この観点からは、台所に戻ってもっと多くのデータを扱い、モデルを完成させなければならないと思う。#100daysofcoding ultralytics #objectdetection @WomenInDataAfri
↪Cf200D↩

‍

— lian.s__ (@lians___) 2022年11月29日

リアンズの経験をお読みいただきありがとうございます。Ultralytics、より多くの女性がこの分野に加わることを楽しみにしています。私たちはこれからもAIをより簡単にするために努力していきますので、ご期待ください！