پی سی دانلود - تحلیل-صدا

این دوره آموزشی به معرفی تکنیک‌های تشخیص هویت گوینده می‌پردازد و مباحثی از جمله تاریخچه این تکنیک‌ها، مبانی آکوستیک و پردازش صوتی، روش‌های استخراج ویژگی، الگوریتم‌های یادگیری ماشین مورد استفاده (مانند مدل‌های ترکیبی گوسی و شبکه‌های عصبی) و تکنیک‌های پردازش داده را پوشش می‌دهد. تمرکز اصلی بر ساخت سیستم‌های تشخیص هویت گوینده مدرن با استفاده از یادگیری عمیق است و شامل تمرین‌های عملی و یک پروژه نهایی برای ساخت یک سیستم کامل می‌باشد.
در دوره آموزشی Speaker Recognition | By Award Winning Textbook Author با مفاهیم و روش‌های تشخیص هویت گوینده آشنا خواهید شد.

این دوره آموزشی جامع به بررسی چگونگی کار با فایل‌های صوتی در حوزه machine learning می‌پردازد. شرکت‌کنندگان در این دوره با فرآیند کامل پردازش فایل‌های صوتی با استفاده از زبان برنامه‌نویسی Python آشنا خواهند شد. تمرکز اصلی این دوره بر استفاده از Convolutional Neural Networks برای ساخت مدل‌های AI با فرمت H5 به منظور classification صداها است. علاوه بر این، دوره شامل آموزش assembly و programming برد Raspberry Pi 5 و نحوه deployment و prediction فایل‌های صوتی با استفاده از مدل‌های AI خواهد بود. مباحث کلیدی شامل شناسایی محیط‌های صوتی برای machine-learning، ضبط و برش فایل‌های صوتی به clip‌های مختلف، پردازش raw audio clip‌ها و افزودن “keyword” برای تشخیص توسط شبکه عصبی است. همچنین، تکنیک‌های clip labeling، clip slicing و clip batching به منظور آماده‌سازی داده‌ها برای Neural Net آموزش داده می‌شود. شرکت‌کنندگان با مراحل مختلف پردازش raw audio clip‌ها شامل load کردن، تحلیل در time domain و frequency domain، ایجاد spectrogram و resize کردن آن‌ها برای استفاده در prediction آشنا خواهند شد. در بخش عملی دوره، از Python programming برای تولید مدل‌های H5 AI جهت prediction صدا استفاده خواهد شد. در نهایت، نحوه deployment و اجرای این مدل‌ها در Raspberry Pi 5 برای کنترل servo motor با استفاده از دستورات صوتی و testing مدل در یک فرآیند real-time prediction مورد بررسی قرار می‌گیرد.
در دوره آموزشی Audio Classification using Convolutional Neural Net با نحوه کار با فایل‌های صوتی در machine learning و ساخت مدل‌های AI برای classification صدا آشنا خواهید شد.