Comments 9
Узнаю тон пояснительной записки к курсовому. =)
Где учитесь, если не секрет?
Я закончила обучение по анализу данных (все сертификаты в наличии):
Профессиональную специализацию на Coursera IBM Data Science Professional certification - 10/10 курсов
Курс "University of Helsinki - Elements of AI"
Курс на Coursera STANFORD UNIVERSITY - Machine Learning
А. Я думал, у нас где-то такие любопытные вещи преподают.
Вообще я бы сделал пару замечаний по статье:
Раз уж вы говорите про использование SVM, стоит явно описать, как вы формируете вектор-признак.
Имеет смысл озаглавить части, посвященные отдельным признакам. Сейчас это стена текста.
Стоит доработать короткое описание признаков, оно не везде понятно сформулировано.
Стоит добавить, как именно вы используете полученные значения признаков. Например, вы рассчитали значения CENS - вы их прямо так и будете подставлять в вектор-признак, или будете ещё как-то нормализовывать?
Процесс обработки звука включает в себя акустические характеристики и визуализацию данных. Это способ показать сложные данные в графическом и понятном виде. Это полезно при исследовании данных, при описании данных. Понимание данных (не только аудиоданных) необходимо при построении модели машинного обучения.
Не хватает примеров, для каких задач можно применять тот или иной график. Ценность бы выросла в разы.
Спасибо, интересно!
А теперь из этого всего как бы так покомпактней собрать hash aka shazam.
Сам использую pHash, но оно уже древнее, не особо то специализированное для звука и оооочень медленное
Попробовал примеры из статьи - работает, хотя и ооочень медленно.
Добавил ради такого дела EAV таблицу в свой проект для произвольного добавления параметров музыкального файла. Было: md5 только фреймов потока), bpm, replay gain и pHash, но свете статьи расширил и жду продолжения, вдруг появится мысль как всё это воедино связать
Анализ аудиоданных (часть 1)