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.
Durasi 21 jam
Kerangka Materi
Dasar-Dasar Klasifikasi Audio
- Jenis peristiwa suara: lingkungan, mekanis, yang dibuat oleh manusia
- Ringkasan kasus penggunaan: pengawasan, pemantauan, otomasi
- Klasifikasi audio vs deteksi vs segmentasi
Data Audio dan Ekstraksi Fitur
- Jenis file dan format audio
- Pertimbangan laju sampling, windowing, dan ukuran frame
- Mengekstrak MFCC, fitur krom, dan mel-spektrogram
Persiapan Data dan Anotasi
- UrbanSound8K, ESC-50, dan dataset kustom
- Melabeli peristiwa suara dan batas temporal
- Menyeimbangkan dataset dan mengaugmentasi audio
Membangun Model Klasifikasi Audio
- Menggunakan convolutional neural networks (CNN) untuk audio
- Input model: gelombang mentah vs fitur
- Fungsi rugi-rugi, metrik evaluasi, dan overfitting
Deteksi Peristiwa dan Lokalisasi Temporal
- Strategi deteksi berbasis frame dan berbasis segment
- Pemrosesan pasca-deteksi menggunakan ambang batas dan pelancaran
- Mengvisualisasi prediksi pada garis waktu audio
Topik Lanjutan dan Pemrosesan Real-Time
- Transfer learning untuk skenario data rendah
- Merilis model dengan TensorFlow Lite atau ONNX
- Pemrosesan audio streaming dan pertimbangan latensi
Pengembangan Proyek dan Skenario Aplikasi
- Merancang pipeline lengkap: dari ingestion hingga klasifikasi
- Mengembangkan proof-of-concept untuk pengawasan, kontrol kualitas, atau pemantauan
- Pencatatan, peringatan, dan integrasi dengan dashboard atau API
Ringkasan dan Langkah Selanjutnya
Persyaratan
- Pemahaman tentang konsep machine learning dan pelatihan model
- Pengalaman dengan pemrograman Python dan pra-pemrosesan data
- Pengetahuan tentang dasar-dasar audio digital
Audience
- Ilmuwan data
- Insinyur machine learning
- Peneliti dan pengembang dalam pemrosesan sinyal audio
