Explora o percurso inspirador de Lians Wanjiku na IA e na ciência dos dados, e como o YOLOv5 está a moldar o futuro da deteção de objectos.
.avif)
As empresas estão a adotar a inteligência artificial mais rapidamente do que nunca para simplificar os processos. Por exemplo, a IA pode ser utilizada para automatizar tarefas de serviço ao cliente, ajudar os médicos a diagnosticar doenças, melhorar os resultados dos motores de busca, controlar carros autónomos, etc. A lista é interminável...
À medida que a IA se torna omnipresente na vida quotidiana, a questão da diversidade e da inclusão na tecnologia continua a ser uma preocupação significativa. Em particular, a persistente sub-representação das mulheres na ciência dos dados e na IA, incluindo as lacunas de dados sobre o género, leva à codificação e amplificação de preconceitos em produtos técnicos e sistemas algorítmicos, criando ciclos de feedback prejudiciais.
"Para seres verdadeiramente diversificado, tens de trazer para a IA pessoas que pensem de forma diferente."
Kay Firth-Butterfield
Directora de IA e Aprendizagem Automática e membro da Comissão Executiva
A IA é um dos domínios em que as mulheres podem ter um enorme sucesso, especialmente com o impulso certo para a participação feminina na indústria.
Apresentamos-te Lians Wanjiku, entusiasta da ciência dos dados e da aprendizagem automática. Aqui, vamos dar um passeio pelo seu percurso na ciência dos dados e inspirar as jovens mulheres a juntarem-se ao movimento tecnológico.
Lians é um estudante do último ano e assistente de investigação estagiário no centro de ciência de dados da Universidade de Tecnologia Dedan Kimathi, no Quénia.
Ao aperceber-se de como é simples extrair informações dos dados, Lians começou a interessar-se pela aprendizagem automática. Juntou-se a uma comunidade de ciência de dados há cerca de um ano e começou a interessar-se por esta área como carreira. Para Lians, é espantoso como a ciência dos dados e a IA conduzem o futuro!
A Lians só começou a trabalhar com YOLOv5 há vários meses! Trabalhando com imagens de várias espécies de animais, o principal objetivo do trabalho com o YOLOv5 como modelo de deteção de objectos era classificar as espécies de animais na área de conservação da sua escola. Mais tarde no projeto, apercebeu-se de que, após a classificação, o modelo podia anotar automaticamente todas as imagens. Isto facilita a redução do esforço humano e poupa tempo na anotação de imagens.
Lian também experimentou outros modelos de deteção de objectos pré-treinados, como o TFOD e o YOLOv3, porque inicialmente precisava de adquirir conhecimentos e competências em PyTorch. No entanto, depois de encontrar YOLOv5 através de pesquisa, implementou-o rapidamente. Para Lian, o modelo tem o melhor desempenho porque é leve, simples de utilizar e fornece a melhor precisão.
"A melhor parte é que podes começar com apenas algumas linhas de código!"
Lians recomenda o YOLOv5 para quem é novo neste campo. Nas suas palavras, "YOLOv5 foi criado para a deteção de objectos, por isso é bom no que faz! Como há menos operações e menos código para escrever, o YOLO é um dos algoritmos de deteção de objectos mais conhecidos devido à sua velocidade e precisão.
A Lians está aberta a colaborações no GitHub e disponível para conversar no Twitter. Também publica artigos sobre projectos em que está a trabalhar. Vê o artigo dela: Introdução à deteção de objetos com YOLOv5!
Implementei o modelo de deteção de objectos em alguns vídeos com zebras e impalas e.... A partir desta perspetiva, acho que vou ter de voltar à cozinha para trabalhar com mais dados e aperfeiçoar o modelo. #100daysofcoding @ultralytics #objectdetection @WomenInDataAfri
- lian.s__ (@lians___) novembro 29, 2022
Obrigado por leres a experiência da Lians. Como Ultralytics, esperamos que mais mulheres entrem neste campo. Vamos continuar a tornar a IA mais fácil para todos, fica atento!
Começa a tua viagem com o futuro da aprendizagem automática
