Blues？Jazz？R＆B？不知道音乐怎么分流派，AI来帮忙！

音乐学|深度学习|计算机科学|统计学

Musicology|Deep Learning|Computer Science|Statistics

可选课题

每位报名学生，在课程学习期间可以使用有方AI编译云平台。

AI探究系列课程 - 趣味AI

音乐流派自动分类识别 Automatic Music Genre Classification

可视化声音聚类

Voice Cluster Visualization

用人工智能实现简笔画

Teaching Computers to Sketch

使用深度学习将描述转化为图像

Using Deep Learning to Generate Images from Descriptions

使用深度学习将图像转化为描述

Using Deep Learning to Generate Descriptions from Images

人工智能玩游戏：谷歌霸王龙小恐龙

How AI Can Play Games – Google’s Running T-Rex

基于深度学习的图像定位技术

Image Positioning based on Deep Learning

基于深度学习的图像风格变换技术

Using Deep Learning to Transform Image Style

用人工智能生成手写字

Generating Handwritten Figures by Artificial Intelligence

课题一

音乐流派自动分类识别

Automatic Music Genre Classification

随着互联网的普及，网络上的音乐信息成千上万，如何在最短时间内筛选出满足用户需求的音乐，成为现代生活中亟待解决的问题。

而在音乐领域，音乐趋势和体裁的多样性、不寻常的乐器以及表演者及其作品的多样性迫使许多音乐识别系统存在。然而，自动查询中的关键问题是参数化。参数化虽然已经经历了广泛的发展，但是，在音乐信息检索的一些重要领域，如音乐体裁分类，仍在进行这方面的研究。

课程简介

音乐流派是指音乐作品在整体上呈现出的具有代表性的独特面貌，其通过歌曲表现出来的相对稳定、内在和深刻，能更为本质地反映出时代、民族或音乐家个人的思想观念、审美理想、精神气质等内在特性的外部印记。

自动识别是将信息数据自动识读、自动输入计算机，它是以计算机技术和通信技术为基础的综合性科学技术。

本课题将提取音乐样本的声音特征，通过自动识别技术，分析音乐样本的不同流派。

导师团队

导师团队：

CMU、JHU、UCLA等美本TOP30顶尖高校博士、硕士以及行业内顶尖AI科研人员；

他们在AI及相关领域拥有多年数学开发和一线教学经历，具有丰富的前沿科研经验；

学术论文多次在SCI及EI等国外期刊上发表，相关科研学术成果多次被业界人士所引用；

多项科研成果在国际领域权威大赛中获奖。

超值回报

“有方探究”课程，你将获得四大超值回报：

论文发表

你的Report，可发表在专为你定制的个人网站上。

成果展示

你最终的项目成果，可发布在业内人士交流平台上进行展示：如GitHub（计算机行业交流平台）、Kaggle（数据科学行业交流平台）等。

顶尖导师

你将与来自CMU、JHU、UCLA等行业内顶尖导师共同学习，深入探究。

能力提升

你将完全掌握和运用简单的AI模型解决课题的能力，其水准相当于美本三年级学生。

课程要求

本课程适合以下学生参与：

9-11年级0基础入门科研学生

对科研、编程和数学充满兴趣

有志于冲击 Top 50 美国名校

提升自身竞争力、丰富自己的简历

学生还将收获更多·····

从基础到进阶，32课时实操

1对1对话顶尖人工智能导师

根据兴趣自由选择探究课题

深入AI研究的高级领域

*注：每一期每一个课题至多招收两名学生

系统教学计划

以下为本课程项目具体教学计划

请仔细阅读

衔接课程：壹

课程时长：7课时

Chapter 1 Python语言基础

数据结构（数字，列表，字典等）

逻辑语句（if-else）以及循环（for-loop，while-loop）

函数/库的调用以及文件导入（excel file, csv file等）

数据可视化（matplotlib库）

Chapter 2 微积分

极限以及连续的定义

函数微分的计算

函数积分的计算

SymPy库的应用

Chapter 3 线性代数

向量与标量

矩阵以及矩阵的运算

NumPy库的应用

Chapter 4 概率与统计

概率以及条件概率

概率密度的介绍

描述数据的统计量（均值、方差等）的含义和应用

Python统计函数的介绍

PBL课程：贰

课程时长：8课时

课程简介

人工智能以及机器学习介绍

机器学习模型的评估

决策树分类的理论以及程序实现

Logistic Regression的理论以及程序实现

KNN算法的理论以及程序实现

朴素贝叶斯模型的理论以及程序实现

进阶课程：叁

课程时长：10课时

课程简介

人工智能和机器学习项目的课题探究流程

数据分析和特征选择的原理与程序实现

Regression算法的原理和程序实现

Support Vector Machine算法原理和程序实现

Artificial Neural Network算法原理和程序实现

Clustering算法的原理和程序实现

Dimension Reduction的原理和程序实现

直播指导课程：肆

课程时长：6~12课时

学习几种重要的神经网络结构及训练算法；

熟悉Tensorflow等机器学习库的编写；

运用神经网络完成课题项目；

并在Github上公布代码。

本系列课程总计课程时长31~37课时，其中衔接课程、PBL课程、进阶课程为录播课程，学生可以合理安排时间，根据自己学习进度反复、自由学习，直播指导课程为科研导师在线直播。

增值服务

每位报名学生，在课程学习期间可以使用有方AI编译云平台。

购买须知

更多咨询