为何赋能女性参与 AI 和数据科学至关重要

企业正在以前所未有的速度采用人工智能来简化流程。例如，AI 可用于自动化客户服务任务，帮助医生诊断疾病，改善搜索引擎结果，控制自动驾驶汽车等。这样的例子不胜枚举……

随着人工智能在日常生活中变得无处不在，技术领域的多样性和包容性问题仍然是一个重要的关注点。特别是，女性在数据科学和人工智能领域的长期代表性不足，包括性别数据差距，导致技术产品和算法系统中偏见的编码和放大，从而产生有害的反馈循环。

“要实现真正的多样性，你需要将思维方式不同的人带入 AI 领域。”

Kay Firth-Butterfield
人工智能与机器学习主管，执行委员会成员

人工智能是女性可以取得巨大成功的领域之一，尤其是在正确推动女性参与该行业的情况下。

Lians Wanjiku 简介，数据科学和机器学习爱好者。在这里，我们将回顾她进入数据科学领域的历程，并激励年轻女性加入科技运动。

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

Lian 注意到从数据中提取洞察是如此简单，这激发了她对机器学习的兴趣。大约一年前，她加入了一个数据科学社区，并对将其作为职业发展方向产生了浓厚的兴趣。在 Lian 看来，数据科学和 AI 正在驱动未来，这令人惊叹！

YOLOv5 用于检测动物物种

Lians 几个月前才开始使用 YOLOv5！ 通过处理各种动物物种的图像，使用 YOLOv5 作为目标检测模型的主要目标是对她学校保护区中的动物物种进行分类。 在项目的后期，她意识到在分类之后，该模型可以自动注释所有图像。 这使得减少人工工作量和节省注释图像的时间变得更加容易。

Lians 还尝试了其他预训练目标检测模型，例如 TFOD 和 YOLOv3，因为最初她需要掌握 PyTorch 的知识和技能。 然而，在通过研究发现 YOLOv5 后，她迅速实施了它。 对于 Lian 来说，该模型表现最佳，因为它轻量级、易于使用，并提供最佳精度。

“最棒的是，你只需几行代码就可以开始！”

YOLOv5 的价值

• 数据增强
• 推理速度
• 该模型有多个变体（s、m、l 和 x），每个变体都具有不同的检测精度和性能，这一事实让她更容易使用。

Lians 建议任何刚接触该领域的人使用 YOLOv5。 用她的话说，“YOLOv5 是为目标检测而构建的，所以它擅长它所做的事情！ 因为需要执行的操作更少，需要编写的代码也更少，所以 YOLO 是最著名的目标检测算法之一，因为它具有速度和准确性。”

Lians 乐于在 GitHub 上进行合作，并在 Twitter 上进行交流，她还发表关于她正在进行的项目文章。 查看她的文章：YOLOv5 目标检测入门！

我在一些包含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，我想我必须回到厨房，处理更多数据并完善模型。 #100daysofcoding @ultralytics #objectdetection @WomenInDataAfri
‍

​

— lian.s__ (@lians___) 2022 年 11 月 29 日

感谢您阅读 Lians 的经验分享。作为 Ultralytics，我们期待更多女性加入这个领域。我们将继续让每个人都能更轻松地使用 AI，敬请关注！