Perché è importante dare potere alle donne nell'AI e nella scienza dei dati

Le aziende stanno adottando l'intelligenza artificiale più velocemente che mai per semplificare i processi. Ad esempio, l'intelligenza artificiale può essere utilizzata per automatizzare le attività del servizio clienti, aiutare i medici a diagnosticare le malattie, migliorare i risultati dei motori di ricerca, controllare le auto a guida autonoma, ecc. L'elenco continua a lungo...

Man mano che l'IA diventa pervasiva nella vita di tutti i giorni, la questione della diversità e dell'inclusione nella tecnologia rimane una preoccupazione significativa. In particolare, la persistente sottorappresentazione delle donne nella scienza dei dati e nell'IA, comprese le lacune nei dati di genere, porta alla codifica e all'amplificazione dei pregiudizi nei prodotti tecnici e nei sistemi algoritmici, creando dei cicli di feedback dannosi.

"Per essere veramente diversificati è necessario inserire nell'IA persone che pensano in modo diverso".

Kay Firth-Butterfield
Responsabile AI e Machine Learning e Membro del Comitato Esecutivo

L'intelligenza artificiale è uno dei campi in cui le donne possono avere un enorme successo, soprattutto con la giusta spinta alla partecipazione femminile nel settore.

Ti presentiamo Lians Wanjiku, appassionata di Data Science e Machine Learning. Qui faremo una passeggiata attraverso il suo viaggio nella scienza dei dati e ispireremo le giovani donne a unirsi al movimento tecnologico.

Lians è uno studente dell'ultimo anno e un assistente di ricerca stagista presso il centro di scienza dei dati della Dedan Kimathi University of Technology in Kenya.

Notando quanto sia semplice estrarre informazioni dai dati, Lians si è interessata al Machine Learning. Circa un anno fa è entrata a far parte di una comunità che si occupa di scienza dei dati e ha deciso di intraprendere una carriera in questo campo. Per Lians è incredibile come la scienza dei dati e l'IA guidino il futuro!

YOLOv5 per individuare le specie animali

Lians ha iniziato a lavorare con YOLOv5 diversi mesi fa! Lavorando con immagini di varie specie animali, l'obiettivo principale del lavoro con YOLOv5 come modello di rilevamento degli oggetti era quello di classificare le specie animali nella riserva della sua scuola. Più avanti nel progetto, si è resa conto che, dopo la classificazione, il modello poteva annotare automaticamente tutte le immagini. In questo modo è più facile ridurre lo sforzo umano e risparmiare tempo nell'annotazione delle immagini.

Lians ha sperimentato anche altri modelli di rilevamento degli oggetti pre-addestrati, come TFOD e YOLOv3, perché inizialmente doveva acquisire conoscenze e competenze in PyTorch. Tuttavia, dopo aver trovato YOLOv5 attraverso una ricerca, lo ha implementato rapidamente. Per Lian, questo modello è il migliore in quanto è leggero, semplice da usare e fornisce la migliore accuratezza.

"La cosa migliore è che puoi iniziare con poche righe di codice!".

Il valore in YOLOv5

• Aumento dei dati
• Velocità di inferenza
• Il fatto che il modello sia disponibile in diverse varianti (s, m, l e x), ognuna con un'accuratezza di rilevamento e prestazioni diverse, le ha facilitato il compito.

Lians raccomanda YOLOv5 a tutti coloro che sono alle prime armi in questo campo. Secondo le sue parole, "YOLOv5 è stato costruito per il rilevamento di oggetti, quindi è bravo in quello che fa! Dato che ci sono meno operazioni e meno codice da scrivere, YOLO è uno degli algoritmi di rilevamento degli oggetti più conosciuti per la sua velocità e precisione".

Lians è aperta a collaborazioni su GitHub e disponibile per una chiacchierata su Twitter, inoltre pubblica articoli sui progetti a cui sta lavorando. Dai un'occhiata al suo articolo: Introduzione al rilevamento di oggetti con YOLOv5!

Ho implementato il modello di rilevamento degli oggetti su alcuni video con zebre e impala e.... Da questo punto di vista credo che dovrò tornare in cucina e lavorare con più dati per perfezionare il modello. #100daysofcoding @ultralytics #objectdetection @WomenInDataAfri
‍

‍

- lian.s__ (@lians___) 29 novembre 2022

Grazie per aver letto l'esperienza di Lians. Come Ultralytics, non vediamo l'ora che altre donne entrino in questo campo. Continueremo a rendere l'IA più facile per tutti, restate sintonizzati!