Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Struttura del corso
Fondamenti della classificazione audio
- Tipologie di eventi sonori: ambientali, meccanici e generati dall’uomo
- Casi d’uso principali: sorveglianza, monitoraggio e automazione
- Differenze tra classificazione, rilevamento e segmentazione dei segnali audio
Dati audio ed estrazione delle caratteristiche
- Tipologie di file e formati audio disponibili
- Considerazioni riguardo alla frequenza di campionamento, alle finestre temporali e alle dimensioni dei frame
- Estrazione di MFCC, caratteristiche cromatiche e mel-spettrogrammi
Preparazione ed annotazione dei dati
- I dataset UrbanSound8K, ESC-50 e quelli personalizzati
- Annotazione degli eventi sonori con indicazioni temporali esatte
- Equilibrio statistico dei dati e tecniche di aumentazione audio
Sviluppo di modelli per la classificazione audio
- Impiego delle reti neurali convoluzionali (CNN) nell’elaborazione del segnale audio
- Scelta tra l’utilizzo della forma d’onda grezza o di feature già estratte come input per i modelli
- Funzioni di perdita, indicatori di valutazione e strategie per contrastare l’overfitting
Rilevamento degli eventi sonori e localizzazione temporale
- Approcci basati sui singoli frame oppure su segmenti più ampi per il rilevamento
- Post-elaborazione delle previsioni: applicazione di soglie e tecniche di smorzamento dei rumori indesiderati
- Rappresentazione visiva degli eventi individuati sui tracciati temporali dell’audio
Argomenti avanzati ed elaborazione in tempo reale
- Applicazione del transfer learning nei casi caratterizzati da volumi limitati di dati disponibili
- Impiego di strumenti come TensorFlow Lite e ONNX per la distribuzione dei modelli
- Considerazioni riguardanti il flusso continuo dei segnali audio e i requisiti di latenza sistemica
Svililuppo di progetti applicativi ed esempi concreti
- Progettazione integrale del ciclo di lavoro: dalla raccolta alla classificazione dei dati audio
- Creazione di prototipi pratici per ambiti quali sorveglianza, controllo qualità o monitoraggio ambientale<\/li>
- Gestione sistematica dei log, generazione di notifiche e integrazione con pannelli di controllo o interfacce API
Riepilogo e prossimi passi da compiere
Requisiti
- Conoscenza di base dei concetti del machine learning e dell’addestramento dei modelli
- Esperienza nella programmazione in Python e nella pre-elaborazione dei dati
- Familiarità con i principi fondamentali del segnale audio digitale
Destinatari
- Scienziati dei dati
- Ingegneri specializzati in machine learning
- Ricercatori e sviluppatori operanti nel campo dell’elaborazione del segnale audio
21 ore
