Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Kerangka Materi
Pendahuluan Klasifikasi Audio
- Jenis-jenis peristiwa suara: lingkungan, mekanis, serta yang dihasilkan manusia
- Contoh penerapan: pengawasan, pemantauan, dan otomasi
- Perbedaan klasifikasi audio, deteksi peristiwa, dan segmentasi
Data Audio dan Ekstraksi Fitur
- Jenis-jenis file serta format audio
- Pertimbangan mengenai tingkat sampling, penggunaan jendela, dan ukuran frame
- Cara mengambil MFCCs, fitur chroma, serta mel-spectrogram dari data audio
Persiapan Data dan Pengannotasian
- Daftar dataset seperti UrbanSound8K, ESC-50, maupun dataset khusus klien
- Cara memberi label pada peristiwa suara serta menentukan batas waktu kejadiannya
- Menyeimbangkan distribusi data dan teknik augmentasi audio
Pembangunan Model Klasifikasi Audio
- Penggunaan jaringan saraf konvolusional (CNN) dalam analisis audio
- Perbandingan model yang menerima gelombang mentah vs fitur audio sebagai input
- Fungsi kerugian, metrik evaluasi, serta cara mencegah overfitting pada model
Deteksi Peristiwa dan Lokalisasi Waktu Kejadian
- Pendekatan deteksi berbasis frame atau segmentasi waktu
- Teknik pasca-pemrosesan hasil deteksi: pengaturan ambang batas dan perhalusan hasil
- Cara memvisualisasikan prediksi deteksi pada timeline audio
Topik Lanjutan serta Pemrosesan Audio Real-Time
- Pemanfaatan pembelajaran transfer dalam skenario data terbatas
- Penempatan model pada sistem nyata dengan TensorFlow Lite atau ONNX
- Aspek latency dan teknik pengolahan aliran audio secara langsung
Pengembangan Proyek serta Skenario Aplikasi Nyata
- Merancang seluruh alur kerja: dari penerimaan data hingga proses klasifikasi
- Membuat konsep uji coba untuk sistem pengawasan, kontrol mutu, atau pemantauan lingkungan
- Pencatatan aktivitas, pemberitahuan otomatis, serta integrasi dengan panel kendali maupun API lainnya
Penutup dan Langkah Selanjutnya
Persyaratan
- Pemahaman terhadap konsep-konsep pembelajaran mesin serta proses pelatihan model
- Pengalaman menggunakan bahasa pemrograman Python dan teknik pra-pemrosesan data
- Pengetahuan dasar mengenai prinsip-prinsip audio digital
Target Peserta
- Para ilmuwan data
- Insinyur pembelajaran mesin
- Peneliti dan pengembang yang berkecimpung dalam pengolahan sinyal audio
21 Jam
