AI 및 데이터 과학 분야에서 여성 역량 강화가 중요한 이유

기업은 프로세스를 간소화하기 위해 그 어느 때보다 빠르게 인공 지능을 채택하고 있습니다. 예를 들어 AI는 고객 서비스 작업을 자동화하고, 의사가 질병을 진단하는 데 도움을 주고, 검색 엔진 결과를 개선하고, 자율 주행 자동차를 제어하는 ​​데 사용할 수 있습니다. 목록은 계속됩니다...

AI가 일상 생활에 만연해짐에 따라 기술의 다양성과 포용성 문제는 여전히 중요한 관심사입니다. 특히 성별 데이터 격차를 포함하여 데이터 과학 및 AI 분야에서 여성의 지속적인 과소 대표성은 기술 제품 및 알고리즘 시스템에서 편향의 인코딩 및 증폭으로 이어져 유해한 피드백 루프를 생성합니다.

“진정으로 다양해지려면 다른 생각을 가진 사람들을 AI 분야로 데려와야 합니다.”

Kay Firth-Butterfield
AI & 머신 러닝 책임자 겸 집행 위원회 위원

AI는 특히 업계에서 여성의 참여를 장려하기만 한다면 여성이 엄청난 성공을 거둘 수 있는 분야 중 하나입니다.

데이터 과학 및 머신 러닝 매니아인 Lians Wanjiku를 소개합니다. 여기에서 그녀의 데이터 과학 여정을 살펴보고 젊은 여성들이 기술 운동에 참여하도록 영감을 줄 것입니다.

Lians는 케냐 데단 키마티 기술 대학의 데이터 과학 센터에서 4학년 학생이자 연구 조교 인턴입니다.

데이터에서 통찰력을 추출하는 것이 얼마나 간단한지 주목하면서, 리안은 머신 러닝에 대한 관심이 촉발되었습니다. 그녀는 약 1년 전에 데이터 과학 커뮤니티에 가입했으며 이를 직업으로 추구하는 데 큰 관심을 갖게 되었습니다. 리안에게 데이터 과학과 AI가 미래를 이끄는 방식은 놀랍습니다!

동물 종 감지를 위한 YOLOv5

Lians는 몇 달 전에 YOLOv5를 시작했습니다! 다양한 동물 종의 이미지를 사용하여 객체 감지 모델인 YOLOv5를 사용하는 주된 목표는 학교 보호 구역에서 동물 종을 분류하는 것이었습니다. 프로젝트 후반에는 분류 후 모델이 모든 이미지에 자동으로 주석을 달 수 있다는 것을 깨달았습니다. 이를 통해 인적 노력을 줄이고 이미지에 주석을 다는 시간을 절약할 수 있습니다.

Lians는 또한 PyTorch에 대한 지식과 기술을 습득해야 했기 때문에 TFOD 및 YOLOv3와 같은 다른 사전 훈련된 객체 감지 모델을 실험했습니다. 그러나 연구를 통해 YOLOv5를 발견한 후에는 빠르게 구현했습니다. Lian에게 이 모델은 가볍고, 사용하기 쉽고, 최고의 정확도를 제공하므로 가장 성능이 좋습니다.

“가장 좋은 점은 단 몇 줄의 코드로 시작할 수 있다는 것입니다!”

YOLOv5의 가치

• 데이터 증강
• 추론 속도
• 모델이 다양한 변형(s, m, l, x)으로 제공되어 각각 다른 감지 정확도와 성능을 제공한다는 사실이 그녀에게는 더 쉬웠습니다.

Lians는 이 분야를 처음 접하는 사람들에게 YOLOv5를 추천합니다. 그녀의 말에 따르면 "YOLOv5는 객체 탐지를 위해 만들어졌기 때문에 그 기능에 매우 뛰어납니다! YOLO는 연산 횟수가 적고 코드를 적게 작성해도 되기 때문에 속도와 정확성 면에서 가장 잘 알려진 객체 탐지 알고리즘 중 하나입니다."

Lians는 GitHub에서 공동 작업을 할 수 있으며 Twitter에서 채팅을 할 수 있으며, 작업 중인 프로젝트에 대한 기사도 게시합니다. 그녀의 기사 YOLOv5를 사용한 객체 감지 소개를 확인해 보세요!

얼룩말과 임팔라가 함께 있는 비디오에 객체 감지 모델을 배포했습니다.... 이러한 관점에서 볼 때 주방으로 돌아가 더 많은 데이터로 작업하고 모델을 완성해야 할 것 같습니다. #100daysofcoding @ultralytics #objectdetection @WomenInDataAfri
‍

‍

— lian.s__ (@lians___) 2022년 11월 29일

Lians의 경험에 대해 읽어주셔서 감사합니다. Ultralytics는 더 많은 여성들이 이 분야에 참여하기를 기대합니다. 우리는 모든 사람이 AI를 더 쉽게 사용할 수 있도록 계속 노력할 것이니, 계속 지켜봐 주세요!