iooops 发表于 2016-8-23 15:06:49

【AI-ML-MIR系列1】学习资源

本帖最后由 iooops 于 2016-8-24 04:00 编辑

其实事情是这样的……

楼主最近跑去上了一个MIR(MUSIC INFORMATION RETRIEVAL)的工作坊 - -{:5_161:}
然后发现 = = 居然有一大半都在讲Machine Learning = =
没错!就是阿尔法狗大战李世石的那个Machine Learning - -


所以楼主现在来梳理一下可以用来参考的一些学习资源(教程、库、paper)哈。


下面比较概览性的(推荐用来入门):

Coursera上Stanford的Machine Learning课程:
https://www.coursera.org/learn/machine-learning/home/welcome

Google Developers频道的Machine Learning Recipes:
http://i.youku.com/i/UMjczOTc0NDkzNg==/navcustom?id=466157

一个Python库 - Scikit-learn:
http://scikit-learn.org/stable/auto_examples/index.html#general-examples


下面是比较细分性的(回头等楼主刷一些时间之后再来慢慢补全哈):

一个Neural Networks的库:
https://keras.io/



------------------------------------------------------------------------------------------------------------------------
下面是专门用来做MIR的(下面是冰山一角,之后再慢慢补全):

一个MIR的Python库 - MIR_EVAL:
https://craffel.github.io/mir_eval/

一个使用了scikit-learn的Python音频处理库:
http://librosa.github.io/librosa/tutorial.html#overview

一个音频数据库:
http://labrosa.ee.columbia.edu/millionsong/

ISMIR 2016 Conference(上面有一些Paper可以参考):
https://wp.nyu.edu/ismir2016/event/program/
Google Brain Team出的一个机器学习在艺术中的应用 - Magenta:
https://magenta.tensorflow.org/welcome-to-magenta




啊突然觉得好学术……{:5_189:}


啊对了
话说要搞机器学习,必须先把线性代数和概率论刷完哈 - -

啊宝宝我……去刷数学去了……{:5_166:}

luna 发表于 2016-8-23 17:32:32

都是干货啊~{:5_197:}

iooops 发表于 2016-8-24 03:16:32

luna 发表于 2016-8-23 17:32
都是干货啊~

是啊 {:5_180:}

凌风清羽 发表于 2016-8-25 21:51:47

我还是好好看线性代数和概率论去吧~~嘿嘿
页: [1]
查看完整版本: 【AI-ML-MIR系列1】学习资源