CMMAS+

Sesión 2. Representaciones cartesianas y polares de los números complejos / Session 2. Cartesian and polar representations of complex numbers

Sesión 3. El audio y su representación digital / Session 3. Audio and its digital representation

Sesión 4. Funciones matemáticas / Session 4. Math functions

Sesión 5. La transformada discreta de Fourier (DFT) / Session 5. The discrete Fourier transform (DFT)

Sesión 6. El DFT en Python3 desde cero / Session 6. The DFT in Python3 from scratch

Tarea C1

Sesión 1. El problema de la alta dimensionalidad del audio digital / Session 1. The problem of high dimensionality in digital audio

Sesión 2. Reducción de dimensionalidad mediante la extracción de características / Session 2. Dimensionality reduction through feature extraction

Sesión 3. El audio digital como matrices y vectores, y operaciones básicas de álgebra lineal / Session 3. Digital audio as matrices and vectors. Basic operations of linear algebra

Sesión 4. El análisis de componentes principales / Session 4. Principal component analysis

Sesión 5. PCA en Python3 aplicado al audio digital / Session 5. PCA in Python3 applied to digital audio

Tarea C2

Sesión 1. Perspectiva general de técnicas de aprendizaje automático (Machine Learning) / Session 1. Machine Learning Techniques Overview

Sesión 2. La regresión lineal / Session 2. The lineal regression

Sesión 3. Optimización de la regresión lineal aplicada al audio / Session 3. Optimization of linear regression applied to audio

Sesión 4. La validación cruzada / Session 4. Cross validation

Sesión 5. Regresión lineal en Python 3 con aplicación al audio / Session 5. Linear regression in Python 3 with application to audio

Tarea C3

Sesión 1. La regresión logística y su comparativa con la regresión lineal / Session 1. Logistic regression and its comparison with linear regression

Sesión 2. El gradiente de la entropía cruzada de la regresión logística / Session 2. The cross-entropy gradient of the logistic regression

Sesión 3. La regresión logística en Python3 para la clasificación de arco vs pizzicato / Session 3. Logistic regression in Python3 for arc vs pizzicato classification

Sesión 4. La función Softmax para la clasificación multi-clase / Session 4. The Softmax function for multiclass classification

Sesión 5. Softmax en Python3 para la clasificación de audio de 10 distintos géneros musicales / Session 5. Softmax in Python 3 for audio classification of 10 different musical genres

Tarea C4

Sesión 1. La relación entre Softmax y una red neuronal artificial / Session 1. The relationship between Softmax and an artificial neural network

Sesión 2. Definición y análisis matemático de una red neuronal artificial / Session 2. Definition and mathematical analysis of an artificial neural network

Sesión 3. Descripción de las tres no-linealidades más comunes para una red neuronal / Session 3. Description of the 3 most common non-linearities for a neural network

Sesión 4. El gradiente del objetivo respecto a los parámetros en una red neuronal artificial / Session 4. The gradient of the target with respect to the parameters in an artificial neural network

Tarea C5

Sesión 1. La librería Tensorflow2 para el desarrollo de redes neuronales artificiales / Session 1. The TensorFlow 2 library for the development of artificial neural networks

Sesión 2. Red neuronal en Tensorflow2 para la clasificación de géneros musicales / Session 2. Neural network in TensorFlow 2 for the classification of musical genres

Sesión 3. El modelo DeepSpeech para la transcripción de voz en audio digital / Session 3. The DeepSpeech model for voice transcription into digital audio

Sesión 4. Modelos neuronales para la síntesis de audio / Session 4. Neural models for audio synthesis