27 декабря 2022 г.
Узнайте о вдохновляющем пути Лианса Ванджику в области искусственного интеллекта и науки о данных, а также о том, как YOLOv5 формирует будущее обнаружения объектов.
.webp)
Предприятия внедряют искусственный интеллект быстрее, чем когда-либо прежде, чтобы упростить процессы. Например, ИИ можно использовать для автоматизации задач обслуживания клиентов, помощи врачам в диагностике заболеваний, улучшения результатов поисковых систем, управления самоуправляемыми автомобилями и т. д. Список можно продолжать и продолжать...
По мере того как ИИ становится все более распространенным в повседневной жизни, вопрос о разнообразии и инклюзивности в технологиях остается серьезной проблемой. В частности, сохраняющаяся недостаточная представленность женщин в науке о данных и ИИ, включая гендерные пробелы в данных, приводит к кодированию и усилению предвзятости в технических продуктах и алгоритмических системах, создавая вредные циклы обратной связи.
“Чтобы быть по-настоящему разнообразным, нужно привлекать в ИИ людей, которые мыслят по-другому.”
Кей Ферт-Баттерфилд
Руководитель отдела AI & Machine Learning и член исполнительного комитета
ИИ - одна из областей, в которой женщины могут добиться огромного успеха, особенно при правильном стремлении к участию женщин в отрасли.
Представляем Лианс Ванджику, энтузиаста в области науки о данных и машинного обучения. Здесь мы рассмотрим ее путь в науку о данных и вдохновим молодых женщин присоединиться к технологическому движению.
Лианс — студентка старшего курса и стажер-исследователь в центре обработки данных Университета науки и технологий Дедана Кимати в Кении.
Заметив, как просто извлекать информацию из данных, Лиан заинтересовалась машинным обучением. Около года назад она присоединилась к сообществу специалистов по данным и проявляет большой интерес к тому, чтобы сделать это своей карьерой. Лиан поражает то, как наука о данных и искусственный интеллект определяют будущее!
Лианс начал работать только с YOLOv5 несколько месяцев назад! Работая с изображениями различных видов животных, главной целью работы с YOLOv5 в качестве модели обнаружения объектов была classify видов животных в заповеднике ее школы. Позже в ходе проекта она поняла, что после классификации модель может автоматически аннотировать все изображения. Это позволяет сократить человеческие усилия и сэкономить время на аннотирование изображений.
Лиан также экспериментировала с другими предварительно обученными моделями обнаружения объектов, такими как TFOD и YOLOv3, потому что сначала ей нужно было получить знания и навыки работы с PyTorch. Однако, найдя YOLOv5 в ходе исследований, она быстро внедрила ее. Лиан считает, что эта модель работает лучше всего, поскольку она легкая, простая в использовании и обеспечивает наилучшую точность.
“Самое приятное то, что вы можете начать всего с нескольких строк кода!”
Лианс рекомендует YOLOv5 всем, кто только начинает работать в этой области. По ее словам,YOLOv5 был создан для обнаружения объектов, поэтому он хорош в своем деле! Благодаря меньшему количеству операций и написанию кода YOLO является одним из самых известных алгоритмов обнаружения объектов благодаря своей скорости и точности".
Лианс открыта для сотрудничества на GitHub и доступна для общения в Twitter, она также публикует статьи о проектах, над которыми работает. Ознакомьтесь с ее статьей: Введение в обнаружение объектов с помощью YOLOv5!
Я развернул модель обнаружения объектов на нескольких видео с зебрами и импалами и..... С этой точки зрения я думаю, что мне придется вернуться на кухню, работать с большим количеством данных и совершенствовать модель. #100daysofcoding ultralytics #objectdetection @WomenInDataAfri
— lian.s__ (@lians___) 29 ноября 2022 г.
Спасибо, что прочитали об опыте Лиан. Мы, как и Ultralytics, с нетерпением ждем, когда в эту сферу придет больше женщин. Мы будем продолжать делать искусственный интеллект проще для всех, следите за новостями!
.webp)