AIとデータサイエンスにおける女性の地位向上が重要な理由

企業はプロセスを簡素化するため、かつてないスピードで人工知能を導入している。例えば、AIは顧客サービス業務の自動化、医師による病気の診断、検索エンジンの検索結果の改善、自動運転車の制御などに利用できる。数え上げればきりがない。

AIが日常生活に浸透するにつれ、技術における多様性と包摂の問題は依然として重要な懸念事項となっている。特に、データサイエンスやAIにおける女性の割合が依然として低いことは、ジェンダーデータギャップを含め、技術製品やアルゴリズムシステムにおける偏見の符号化と増幅につながり、有害なフィードバックループを生み出している。

「真に多様であるためには、異なる考え方をする人々をAIに取り込む必要がある。

ケイ・ファース＝バタフィールド
AI・機械学習部門責任者兼執行委員会メンバー

AIは女性が大きな成功を収めることができる分野のひとつであり、特に女性の業界参画に向けた適切な後押しがあればなおさらである。

データサイエンスと機械学習が大好きなリアンズ・ワンジクを紹介します。ここでは、彼女のデータサイエンスへの道のりを紹介し、若い女性が技術運動に参加するよう鼓舞します。

リアンズは4年生で、ケニアのデダン・キマティ工科大学のデータ・サイエンス・センターでリサーチ・アシスタント・インターンをしている。

データからいかに簡単に洞察を引き出せるかに注目したリアンは、機械学習に興味を持つようになった。彼女は1年ほど前にデータサイエンスのコミュニティに参加し、キャリアとして追求することに強い関心を抱くようになった。リアンズにとって、データサイエンスとAIがどのように未来を動かすかは驚くべきことだ！

YOLOv5 動物種の検出

リアンズは数ヶ月前に始めたばかりだ。 YOLOv5を使い始めたのは数ヶ月前のことだ！様々な動物種の画像を扱う中で、YOLOv5 を物体検出モデルとして扱う主な目的は、彼女の学校の保護区にいる動物種を分類することだった。プロジェクトの後半になって、彼女は分類の後、モデルがすべての画像に自動的に注釈を付けられることに気づいた。これにより、人間の労力を減らし、画像に注釈を付ける時間を節約することが容易になります。

Liansは、TFODやYOLOv3など、訓練済みの他の物体検出モデルも実験した。なぜなら、当初はPyTorch の知識とスキルを身につける必要があったからだ。しかし、研究を通じてYOLOv5 を見つけた後、すぐに実装した。リアンにとって、このモデルは軽量で 使いやすく、最高の精度を提供するため、最高のパフォーマンスを発揮する。

「一番いいのは、ほんの数行のコードで始められることです。

その価値YOLOv5

• データの増強
• 推論速度
• このモデルにはいくつかのバリエーション（s、m、l、x）があり、それぞれ検出精度と性能が異なるため、彼女にとっては使いやすかった。

リアンズは、この分野を初めて学ぶ人にYOLOv5 。彼女の言葉を借りれば、「YOLOv5 はオブジェクト検出のために作られたので、得意なことは得意です！操作の数が少なく、書くコードも少ないので、YOLO は、その速度と正確さにより、最もよく知られたオブジェクト検出アルゴリズムの1つです」。

リアンズはGitHubで共同作業を受け付けており、Twitterでチャットすることもできる。彼女の記事をチェックしてください： YOLOv5 を 使った物体検出入門！

オブジェクト検出モデルをシマウマとインパラの両方のビデオにデプロイしてみたが......。この観点から、私はキッチンに戻って、もっと多くのデータを使って作業し、モデルを完成させなければならないと思う。#100daysofcoding @ultralytics #objectdetection @WomenInDataAfri
↪Cf200D↩

‍

- lian.s__ (@lians___) 2022年11月29日

リアンズの経験を読んでくれてありがとう。Ultralytics として、より多くの女性がこの分野に加わることを楽しみにしています。私たちはこれからも、AIをより使いやすいものにしていきますので、ご期待ください！