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：環境聲、機械聲、人聲
- 應用場景概覽：監控、監測、自動化
- 音訊分類、偵測與分段之區別
音訊數據與特徵提取
- 音訊檔案類型與格式
- 取樣率、加窗與幀大小考量
- 提取 MFCC、色度特徵及梅爾頻譜圖
數據準備與標註
- UrbanSound8K、ESC-50 及自定義數據集
- 標註聲音事件及時間邊界
- 數據集平衡與音訊增強
構建音訊分類模型
- 使用卷積神經網路（CNN）進行音訊處理
- 模型輸入：原始波形 vs 特徵
- 損失函數、評估指標及過擬合問題
事件偵測與時間定位
- 基於幀與基於片段的偵測策略
- 使用閾值和平滑技術對偵測結果進行後處理
- 在音訊時間軸上視覺化預測結果
進階主題與實時處理
- 低數據場景下的遷移學習
- 使用 TensorFlow Lite 或 ONNX 部署模型
- 串流音訊處理與延遲考量
項目開發與應用場景
- 設計完整管線：從數據攝取到分類
- 為監控、質量控制或監測開發概念驗證（PoC）
- 日誌記錄、告警及與儀表板或 API 的整合
總結與後續步驟
最低要求
- 了解機器學習概念及模型訓練
- 具備 Python 編程及數據預處理經驗
- 熟悉數位音訊基礎知識
目標學員
- 數據科學家
- 機器學習工程師
- 音訊訊號處理領域的研究員與開發者
