Por que capacitar mulheres em IA e Ciência de Dados é importante

As empresas estão adotando a inteligência artificial mais rápido do que nunca para simplificar os processos. Por exemplo, a IA pode ser usada para automatizar tarefas de atendimento ao cliente, ajudar os médicos a diagnosticar doenças, melhorar os resultados dos mecanismos de busca, controlar carros autônomos, etc. A lista continua...

À medida que a IA se torna omnipresente na vida quotidiana, a questão da diversidade e da inclusão na tecnologia continua a ser uma preocupação significativa. Em particular, a persistente sub-representação das mulheres na ciência de dados e na IA, incluindo as lacunas de dados de género, leva à codificação e amplificação de preconceitos em produtos técnicos e sistemas algorítmicos, criando ciclos de feedback prejudiciais.

“Para ser verdadeiramente diverso, é preciso trazer para a IA pessoas que pensem de forma diferente.”

Kay Firth-Butterfield
Chefe de IA e Aprendizado de Máquina e Membro do Comitê Executivo

A IA é um dos campos em que as mulheres podem ter um tremendo sucesso, especialmente com o impulso certo para a participação feminina na indústria.

Apresentamos Lians Wanjiku, entusiasta de Ciência de Dados e Aprendizado de Máquina. Aqui, vamos acompanhar sua jornada na ciência de dados e inspirar jovens mulheres a se juntarem ao movimento tecnológico.

Lians é aluna do último ano e estagiária de pesquisa no centro de ciência de dados da Dedan Kimathi University of Technology, no Quênia.

Percebendo como é simples extrair insights dos dados, o interesse de Lian despertou no aprendizado de máquina. Ela se juntou a uma comunidade de ciência de dados há cerca de um ano e tem demonstrado grande interesse em seguir essa carreira. Para Lian, é incrível como a ciência de dados e a IA impulsionam o futuro!

YOLOv5 para Detecção de Espécies Animais

Lians só começou a usar o YOLOv5 há vários meses! Trabalhando com imagens de várias espécies de animais, o principal objetivo de trabalhar com o YOLOv5 como um modelo de detecção de objetos era classificar as espécies de animais na área de conservação de sua escola. Mais tarde no projeto, ela percebeu que, após a classificação, o modelo poderia anotar automaticamente todas as imagens. Isso facilita a redução do esforço humano e economiza tempo na anotação de imagens.

Lians também experimentou outros modelos de detecção de objetos pré-treinados, como TFOD e YOLOv3, porque inicialmente, ela precisava adquirir conhecimento e habilidades em PyTorch. No entanto, depois de encontrar o YOLOv5 por meio de pesquisa, ela o implementou rapidamente. Para Lian, o modelo tem o melhor desempenho, pois é leve, simples de usar e oferece a melhor precisão.

“A melhor parte é que você pode começar com apenas algumas linhas de código!”

O Valor do YOLOv5

• Aumento de dados
• Velocidade de inferência
• O fato de o modelo estar disponível em várias variantes (s, m, l e x), cada uma com uma precisão e desempenho de detecção diferentes, facilitou o trabalho dela.

Lians recomenda o YOLOv5 para quem é novo nesta área. Nas palavras dela, "O YOLOv5 foi construído para detecção de objetos, então é bom no que faz! Como há menos operações e menos código para escrever, o YOLO é um dos algoritmos de detecção de objetos mais conhecidos devido à sua velocidade e precisão."

Lians está aberta a colaborações no GitHub e disponível para um bate-papo no Twitter, ela também publica artigos sobre projetos em que está trabalhando. Confira o artigo dela: Introdução à Detecção de Objetos com YOLOv5!

Implementei o modelo de detecção de objetos em alguns vídeos com zebras e impalas e.... Desta perspectiva, acho que vou ter que voltar para a cozinha e trabalhar com mais dados e aperfeiçoar o modelo. #100daysofcoding @ultralytics #objectdetection @WomenInDataAfri
‍

‍

— lian.s__ (@lians___) 29 de novembro de 2022

Obrigado por ler sobre a experiência de Lians. Como Ultralytics, esperamos que mais mulheres se juntem a esta área. Continuaremos a tornar a IA mais fácil para todos, fiquem atentos!