Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Duración 21 horas
Temario del curso
Fundamentos de la Clasificación de Audio
- Tipos de eventos sonoros: ambientales, mecánicos, generados por humanos
- Vista general de casos de uso: vigilancia, monitoreo, automatización
- Clasificación vs. detección vs. segmentación de audio
Datos de Audio y Extracción de Características
- Tipos de archivos y formatos de audio
- Consideraciones sobre frecuencia de muestreo, ventana y tamaño de cuadro
- Extracción de MFCC, características cromáticas y mel-espectrogramas
Preparación de Datos y Anotación
- Conjuntos de datos UrbanSound8K, ESC-50 y personalizados
- Etiquetado de eventos sonoros y límites temporales
- Equilibrado de conjuntos de datos y aumentación de audio
Construcción de Modelos de Clasificación de Audio
- Uso de redes neuronales convolucionales (CNN) para audio
- Entrada del modelo: forma de onda cruda vs. características extraídas
- Funciones de pérdida, métricas de evaluación y sobreajuste
Detección de Eventos y Localización Temporal
- Estrategias de detección basadas en cuadros y segmentos
- Postprocesamiento de detecciones utilizando umbrales y suavizado
- Visualización de predicciones en líneas de tiempo de audio
Temas Avanzados y Procesamiento en Tiempo Real
- Aprendizaje por transferencia para escenarios con pocos datos
- Implementación de modelos con TensorFlow Lite o ONNX
- Procesamiento de audio en streaming y consideraciones de latencia
Desarrollo de Proyectos y Escenarios de Aplicación
- Diseño de un flujo de trabajo completo: desde la ingesta hasta la clasificación
- Desarrollo de un prototipo de concepto para vigilancia, control de calidad o monitoreo
- Registro de eventos, alertas e integración con tableros de control o APIs
Resumen y Próximos Pasos
Requerimientos
- Comprensión de los conceptos de aprendizaje automático y el entrenamiento de modelos
- Experiencia en programación con Python y preprocesamiento de datos
- Conocimiento de los fundamentos del audio digital
Público Objetivo
- Científicos de datos
- Ingenieros de aprendizaje automático
- Investigadores y desarrolladores en procesamiento de señales de audio