为什么赋能 AI 和数据科学领域的女性至关重要

企业正以前所未有的速度采用人工智能来简化流程。例如，AI 可用于自动处理客户服务任务、帮助医生诊断疾病、改善搜索引擎结果、控制自动驾驶汽车，以及更多场景。

随着 AI 融入日常生活，技术领域的多元化与包容性仍然是一个重要问题。尤其是女性在数据科学和 AI 领域长期代表性不足，包括性别数据缺口，这会导致偏见被编码并在技术产品和算法系统中放大，从而形成有害的反馈循环。

“要真正实现多元化，就需要让思维方式不同的人加入 AI 领域。” Kay Firth-Butterfield AI 与机器学习负责人、执行委员会成员

AI 是女性能够大获成功的领域之一，尤其是在推动女性参与这个行业的力量足够到位时。

为你介绍 Lians Wanjiku，她热衷于数据科学和机器学习。接下来，我们将一起了解她投身数据科学的历程，并鼓励年轻女性加入科技浪潮。

Lians 是肯尼亚 Dedan Kimathi 科技大学数据科学中心的一名大四学生和研究助理实习生。

Lians 发现从数据中提取见解很简单，因此对机器学习产生了兴趣。大约一年前，她加入了一个数据科学社区，并开始认真考虑以此为职业方向。对 Lians 来说，数据科学和 AI 正在推动未来发展，实在令人惊叹！

使用 Ultralytics YOLOv5 检测动物物种#

Lians 几个月前才开始使用 YOLOv5！她使用各种动物物种的图像，最初的目标是将 YOLOv5 用作目标检测模型，对学校保护区中的动物物种进行分类。项目后期，她意识到模型在完成分类后，还可以自动标注所有图像。这有助于减少人工操作，节省图像标注时间。

Lians 还尝试了其他预训练目标检测模型，例如 TFOD 和 YOLOv3，因为她最初需要学习 PyTorch 的相关知识和技能。不过，通过研究找到 Ultralytics YOLOv5 后，她很快就完成了实现。Lians 认为这个模型表现最佳，因为它轻量、易于使用，并且能提供最佳准确率。

“最棒的是，只需几行代码就能开始！”

Ultralytics YOLOv5 的价值#

• 数据增强
• 推理速度
• 模型提供多种变体（s、m、l 和 x），每种变体的检测精度和性能都不同，这一点让她更容易上手。

Lians 向所有刚进入这个领域的人推荐 Ultralytics YOLOv5。用她的话说：“YOLOv5 专为目标检测而打造，所以很擅长这项任务！由于操作更少、需要编写的代码更少，YOLO 凭借速度和精度成为最知名的目标检测算法之一。”

Lians 欢迎通过 GitHub 合作，也可以在 Twitter 上和她交流；她还会发布自己正在参与的项目文章。看看她的文章：使用 YOLOv5 进行目标检测入门！

我在一些同时有斑马和黑斑羚的视频上部署了目标检测模型……从这个角度来看，我想我得回到厨房，使用更多数据并完善模型了。 #100daysofcoding @ultralytics #objectdetection @WomenInDataAfri

— lian.s (@lians_) 2022 年 11 月 29 日

感谢你阅读 Lians 的经历。在 Ultralytics，我们期待更多女性加入这个领域。我们会继续让 AI 更易于所有人使用，敬请关注！