Eğitim İçeriği

Ses Sınıflandırma Temelleri

  • Ses olayı türleri: çevresel, mekanik, insan-oluşturulan
  • Kullanım alanları özet: gözetleme, izleme, otomasyon
  • Ses sınıflandırması vs. algılama vs. segmentasyon

Ses Verisi ve Özellik Çıkarımı

  • Ses dosya türleri ve biçimleri
  • Örnek frekansı, pencereleme, kare boyutu düşünceleri
  • MFCC'ler,roma özellikleri,mel-spektrogramların çıkarılması

Veri Hazırlama ve Etiketleme

  • UrbanSound8K, ESC-50 ve özel veri kümeleri
  • Ses olaylarını ve zaman sınırlarını etiketleme
  • Veri kümesini dengeme ve sesi artırma

Ses Sınıflandırma Modellerinin Kurulumu

  • Sesi için convolüsyonel sinir ağları (CNN) kullanma
  • Model girdisi: ham dalga biçimi vs. özellikler
  • Kayıp fonksiyonları, değerlendirme metrikleri ve aşırı uyumlama

Olay Algılama ve Zaman Yerelleştirme

  • Kare tabanlı ve segment tabanlı algılama stratejileri
  • Thresholds ve yumuşatma kullanarak algılamaların sonrası işleme
  • Ses zaman çizelgelerinde tahminleri görselleştirme

Gelişmiş Konular ve Gerçek Zamanlı İşleme

  • Düşük veri senaryoları için aktarım öğrenimi
  • TensorFlow Lite veya ONNX ile modellerin dağıtılması
  • Streamlined ses işleme ve gecikme düşünceleri

Proje Geliştirme ve Uygulama Scenaroları

  • Tam bir pipeline tasarımı: içe aktarma ile sınıflandırma
  • Gözlem, kalite denetimi veya izleme için kavram kanıtı geliştirme
  • Kayıt, uyarı ve panel veya API'ler ile entegrasyon

Özet ve Sonraki Adımlar

Kurs İçin Gerekli Önbilgiler

  • Makine öğrenimi kavramlarını ve model eğitimini anlamak
  • Python programlama ile ve veri ön işleme deneyimi
  • Dijital ses temelleriyle tanıım

Kitle

  • Veri bilimciler
  • Makine öğrenimi mühendisleri
  • Ses sinyali işleme alanında araştırmacılar ve geliştiriciler
 21 Saat

Katılımcı Sayısı


Kişi Başına Fiyat

Yaklaşan Etkinlikler

İlgili Kategoriler