探索 Lians Wanjiku 在人工智能和数据科学领域的励志之旅,以及 YOLOv5 如何塑造物体检测的未来。
.webp)
探索 Lians Wanjiku 在人工智能和数据科学领域的励志之旅,以及 YOLOv5 如何塑造物体检测的未来。
企业采用人工智能简化流程的速度比以往任何时候都快。例如,人工智能可用于自动执行客户服务任务、帮助医生诊断疾病、改进搜索引擎结果、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的普及,技术的多样性和包容性问题仍然是一个重大关切。特别是,女性在数据科学和人工智能领域的代表性持续不足,包括性别数据差距,导致偏见在技术产品和算法系统中的编码和放大,形成有害的反馈回路。
"要实现真正的多元化,就需要将思维方式与众不同的人引入人工智能"。
凯-费斯-巴特菲尔德
人工智能与机器学习主管兼执行委员会成员
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。
介绍数据科学和机器学习爱好者 Lians Wanjiku。在这里,我们将回顾她的数据科学之旅,激励年轻女性投身科技运动。
Lians 是一名大四学生,也是肯尼亚 Dedan Kimathi 科技大学数据科学中心的实习研究助理。
注意到从数据中提取洞察力是如此简单,Lians 对机器学习产生了浓厚的兴趣。大约一年前,她加入了一个数据科学社区,并对以此为职业产生了浓厚的兴趣。对 Lians 来说,数据科学和人工智能对未来的推动作用令人惊叹!
Lians 几个月前才开始接触YOLOv5!在使用 YOLOv5 作为物体检测模型时,她的主要目标是对学校保护区内的动物物种进行分类。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,您只需几行代码就能开始工作!"
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更多便利,敬请期待!