【AI-ML-MIR系列1】学习资源
2016-08-231.5万
精华项目
AI 快速预览详细
本文整理了MUSIC INFORMATION RETRIEVAL (MIR) 和 Machine Learning 的学习资源。从概览性到细分性，包括Coursera上的Stanford Machine Learning课程、Google Developers频道的Machine Learning Recipes、Scikit-learn库等。此外，还介绍了专门用于MIR的库如MIR_EVAL和librosa，以及ISMIR 2016 Conference和Magenta项目。适合初学者和进阶者。
|
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 - -  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……  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……  |
