感謝您提交詢問！我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂！我們的一位團隊成員將在短時間內與您聯繫。
課程時長 21 時間： (3 天)
課程簡介
音訊分類基礎
- 聲音事件類型：環境、機械、人為
- 應用案例概述：監控、監測、自動化
- 音訊分類、偵測與分割之差異
音訊資料與特徵擷取
- 音訊檔案類型與格式
- 取樣率、視窗化、幀大小考量
- 擷取MFCC、色度特徵、梅爾頻譜圖
資料準備與標註
- UrbanSound8K、ESC-50與自訂資料集
- 標註聲音事件與時間邊界
- 平衡資料集與音訊增強
建構音訊分類模型
- 使用卷積神經網路（CNN）處理音訊
- 模型輸入：原始波形與特徵比較
- 損失函數、評估指標與過擬合
事件偵測與時間定位
- 基於幀與基於區段之偵測策略
- 使用閾值與平滑化進行偵測後處理
- 於音訊時間軸上視覺化預測結果
進階主題與即時處理
- 低資料情境下之遷移學習
- 使用TensorFlow Lite或ONNX部署模型
- 串流音訊處理與延遲考量
專案開發與應用情境
- 設計完整流程：從資料攝取到分類
- 為監控、品質控制或監測開發概念驗證
- 日誌記錄、警報與儀表板或API整合
總結與後續步驟
最低要求
- 了解機器學習概念與模型訓練
- 具備Python程式設計與資料預處理經驗
- 熟悉數位音訊基礎
目標學員
- 資料科學家
- 機器學習工程師
- 音訊訊號處理研究人員與開發者
