为什么增强女性在人工智能和数据科学领域的能力非常重要？

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！

YOLOv5 用于检测动物物种

几个月前，Lians 才开始 YOLOv5几个月前才开始使用！在使用YOLOv5 作为对象检测模型处理各种动物物种的图像时，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。

莲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 后，她很快就实现了它。对 Lian 来说，该模型的性能最好，因为它轻便、简单易用，而且准确度最高。

"最棒的是，您只需几行代码就能开始工作！"

价值YOLOv5

• 数据扩增
• 推理速度
• 事实上，该模型有几种变体（s、m、l 和 x），每种变体的检测精度和性能都不同，这让她更容易接受。

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。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！