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！

用于检测动物物种的YOLOv5

Lians 只是从 YOLOv5才开始使用 YOLOv5！在使用YOLOv5 作为物体检测模型时，她的主要目标是classify 学校保护区内的动物物种进行classify 。在项目后期，她意识到在分类之后，模型可以自动为所有图像添加注释。这样就更容易减少人工操作，节省为图像添加注释的时间。

Lians 还尝试了其他预训练的物体检测模型，如 TFOD 和 YOLOv3，因为起初她需要掌握PyTorch 的知识和技能。不过，在通过研究找到YOLOv5 之后，她很快就实现了它。对 Lian 来说，这个模型的性能最好，因为它轻便、简单易用，而且精度最高。

“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 向这一领域的新手推荐YOLOv5 。用她的话说：YOLOv5 是专为对象检测而设计的，因此它在这方面非常出色！由于操作和代码编写较少，YOLO 以其速度和准确性成为最著名的对象检测算法之一。

Lians 在GitHub上接受合作，也可以在Twitter 上聊天，她还会就自己正在进行的项目发表文章。查看她的文章：使用YOLOv5进行物体检测简介！

我在一些有斑马和黑斑羚的视频上部署了物体检测模型，....。从这个角度来看，我认为我必须回到厨房，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 的经历。作为Ultralytics，我们期待更多女性加入这一领域。我们将继续让人工智能为每个人带来便利，敬请期待！