为什么赋能 AI 和数据科学领域的女性很重要

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。类似的应用不胜枚举……

随着 AI 逐渐渗透到日常生活中，科技领域的多样性与包容性问题仍然备受关注。尤其是，数据科学和 AI 领域长期存在的女性代表性不足，包括性别数据缺口，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。

“要实现真正的多样性，就需要让思维方式不同的人加入 AI 领域。” Kay Firth-Butterfield AI 与机器学习负责人兼执行委员会成员

AI 是女性能够取得巨大成功的领域之一，尤其是在采取适当措施推动女性参与这一行业的情况下。

认识一下 Lians Wanjiku，她是一位数据科学和机器学习爱好者。接下来，我们将了解她进入数据科学领域的历程，并激励更多年轻女性加入科技行业。

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 注意到从数据中提取洞察非常简单，因此开始对机器学习产生兴趣。大约一年前，她加入了一个数据科学社区，并逐渐坚定了将其作为职业发展的方向。对 Lians 来说，数据科学和 AI 推动未来发展令人惊叹！

使用 Ultralytics YOLOv5 检测动物种类#

Lians 直到几个月前才开始接触 YOLOv5！她使用各种动物种类的图像，并将 YOLOv5 作为目标检测模型，主要目标是对学校保护区中的动物种类进行分类。在项目后期，她意识到模型在完成分类后，还可以自动为所有图像添加标注。这样可以减少人工工作量，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，因为起初她需要学习 PyTorch 的相关知识和技能。不过，在通过研究发现 Ultralytics YOLOv5 后，她很快就将其付诸实践。对 Lians 来说，这个模型的表现最佳，因为它轻量、易于使用，并且能够提供最佳准确率。

“最棒的是，只需几行代码就能开始使用！”

Ultralytics YOLOv5 的价值#

• 数据增强
• 推理速度
• 该模型提供多个变体（s、m、l 和 x），每个变体具有不同的检测准确率和性能，这一点让她更容易使用。

Lians 向所有刚进入这一领域的人推荐 Ultralytics YOLOv5。用她的话说：“YOLOv5 是为目标检测而构建的，因此非常擅长自己的工作！由于操作更少、需要编写的代码更少，YOLO 凭借其速度和准确率成为最知名的目标检测算法之一。”

Lians 欢迎通过 GitHub 与她合作，也可以在 Twitter 上与她聊天；她还会发布自己正在开展的项目相关文章。欢迎阅读她的文章：使用 YOLOv5 进行目标检测入门！

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，然后……从这个结果来看，我觉得自己得回到厨房，使用更多数据并完善模型。#100daysofcoding @ultralytics #objectdetection @WomenInDataAfri

— lian.s (@lians_) 2022 年 11 月 29 日

感谢你阅读 Lians 的经历。作为 Ultralytics，我们期待有更多女性加入这一领域。我们将继续让 AI 变得更加易用，敬请期待！