Audio pattern recognition
A.A. 2024/2025
Obiettivi formativi
L'insegnamento si propone di introdurre gli studenti ai concetti fondamentali degli algoritmi di data mining e di come questi sono adattati alle esigenze di elaborazione e riconoscimento del segnale audio. Il principale le tecniche di modellistica statistica sono presentate includendo il neuronale reti e modelli nascosti di Markov.
Risultati apprendimento attesi
Lo studente dovrebbe comprendere il funzionamento di algoritmi principi di data mining. Lo studente acquisirà l'abilità per progettare e implementare l'intera pipeline di un pattern audio
sistema di riconoscimento.
sistema di riconoscimento.
Periodo: Primo semestre
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Corso singolo
Questo insegnamento può essere seguito come corso singolo.
Programma e organizzazione didattica
Edizione unica
Responsabile
Periodo
Primo semestre
Programma
Data mining
-statistics
-clustering
-classification
-anomaly detection
Audio analysis
-signal transformations
-filtering
-feature extraction
-pattern recognition
-alignment and temporal modeling
-music information retrieval
-audio enhancement
-statistics
-clustering
-classification
-anomaly detection
Audio analysis
-signal transformations
-filtering
-feature extraction
-pattern recognition
-alignment and temporal modeling
-music information retrieval
-audio enhancement
Prerequisiti
E' consigliato che lo studente conosca il contenuto di elaborazione dei segnali digitali e statistica.
Metodi didattici
Presentazioni orali e lezioni pratiche.
Materiale di riferimento
Books
1. Introduction to Data Mining (Second Edition)
2. Data Mining Practical Machine Learning Tools and Techniques (weka book)
3. Introduction to Audio Analysis
4. Speech Enhancement: Theory and Practice
1. Introduction to Data Mining (Second Edition)
2. Data Mining Practical Machine Learning Tools and Techniques (weka book)
3. Introduction to Audio Analysis
4. Speech Enhancement: Theory and Practice
Modalità di verifica dell’apprendimento e criteri di valutazione
Sviluppo del progetto, scritto ed esame orale. La valutazione viene espressa in trentesimi.
INF/01 - INFORMATICA - CFU: 6
Lezioni: 48 ore
Docente:
Ntalampiras Stavros
Turni:
Turno
Docente:
Ntalampiras StavrosSiti didattici
Docente/i