Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Kursplan
Grunnleggende prinsipper for lydklassifisering
- Lydhendelsestyper: miljø, mekanisk, menneskeskapt
- Oversikt over brukssituasjoner: overvåkning, overvåkning, automatisering
- Lydklassifisering vs. deteksjon vs. segmentering
Lyddata og egenskapsutvinning
- Typer lydfiler og formater
- Samplingrate, vinduinnstilling, ramme størrelse
- Utvinning av MFCCs, kromaegenskaper, mel-spektrogrammer
Datapreparering og annotering
- UrbanSound8K, ESC-50 og tilpassede datamengder
- Merking av lydhendelser og tidsmessige grenser
- Balansering av datamengder og utvidelse av lyd
Bygging av lydklassifiseringsmodeller
- Bruk av konvolusjonelle neuronale nettverk (CNNs) for lyd
- Modellinnput: rå bølgeform vs. egenskaper
- Tapfunksjoner, vurderingskriterier og overfitting
Hendelsesdeteksjon og tidlig lokalisering
- Rammebaserte og segmentbaserte deteksjonsstrategier
- Etterbehandling av deteksjoner ved bruk av terskler og glatting
- Visualisering av forutsigelser på lydtidslinjer
Avanserte temaer og realtidbehandling
- Overføring av læringsmodeller for lavdatatilfeller
- Utplassering av modeller med TensorFlow Lite eller ONNX
- Strømmebehandling av lyd og forsinkelsesoverveielser
Prosjektutvikling og applikasjonscenarier
- Designing av en fullstendig pipeline: innhenting til klassifisering
- Utvikling av et proof-of-concept for overvåkning, kvalitetskontroll eller overvåkning
- Loggføring, varsling og integrering med dashboards eller APIer
Oppsummering og neste trinn
Krav
- Forståelse av maskinlæringsbegreper og modelltrening
- Erfaring med Python-programmering og databehandling
- Kjennskap til grunnleggende digitale lydkonsepter
Målgruppe
- Datascientists
- Maskinlæringsingeniører
- Forskere og utviklere innen lydsignalbehandling
21 timer