Podstawy uczenia maszynowego dla przetwarzania mowy

Zrozumienie, w jaki sposób algorytmy uczenia maszynowego analizują i syntetyzują język ludzki, jest niezbędne do opracowania nowoczesnej sztucznej inteligencji. Ten kurs zapewnia solidne, podstawowe zrozumienie całego potoku przetwarzania mowy, począwszy od surowych sygnałów audio i przechodząc przez klasyczną inżynierię funkcji do najnowocześniejszych architektur głębokiego uczenia się. Pod koniec będziesz przygotowany do wdrożenia podstawowych modeli do zadań takich jak rozpoznawanie mowy i wykrywanie aktywności głosu za pomocą nowoczesnych technik. Czego się nauczysz: * Zrozumieć fizykę dźwięku i zasady cyfrowej reprezentacji dźwięków, w tym próbkowanie, kwantyzację i podstawy przetwarzania sygnału. * Ćwicz podstawowe techniki ekstrakcji cech akustycznych, takie jak współczynniki Mel-Frequency Cepstral (MFCC) i spektrogramy. * Opanowanie podstawowych modeli uczenia maszynowego (takich jak ukryte modele Markowa i modele mieszaniny Gaussa) i przejście do nowoczesnych struktur głębokiego uczenia się (RNN i CNN). * Zastosuj koncepcje modelowania sekwencji do sekwencja, w tym podstawowe mechanizmy uwagi i podstawy architektury transformatora odpowiednie dla zadań mowy. * Konfigurowanie i szkolenie podstawowych modeli dla kluczowych aplikacji, takich jak automatyczne rozpoznawanie mowy (ASR) i klasyfikacja głosu. Materiał zaczyna się od podstawowej terminologii i podstaw przetwarzania sygnału, przechodzi przez inżynierię cech, a kończy się badaniem podejść do głębokich sieci neuronowych i wzorców implementacji dla typowych zadań mowy. Ten kurs jest przeznaczony dla absolutnych początkujących w zakresie przetwarzania mowy i uczenia maszynowego, którzy chcą praktycznego, opartego na tekście wprowadzenia do tej dziedziny. Zacznij budować swoją wiedzę w jednej z najszybciej rozwijających się dziedzin sztucznej inteligencji już dziś.