Curso de Classificação de Áudio e Detecção de Eventos com ML

Fundamentos da Classificação de Áudio

• Tipos de eventos sonoros: ambientais, mecânicos, gerados por humanos
• Visão geral dos casos de uso: vigilância, monitoramento, automação
• Classificação de áudio vs detecção vs segmentação

Dados de Áudio e Extração de Recursos

• Tipos de arquivos e formatos de áudio
• Taxa de amostragem, janelamento e considerações sobre tamanho de quadro
• Extração de MFCCs, recursos cromáticos e espectrogramas mel

Preparação e Anotação de Dados

• Conjuntos de dados UrbanSound8K, ESC-50 e personalizados
• Rotulagem de eventos sonoros e limites temporais
• Equilíbrio de conjuntos de dados e aumentação de áudio

Construindo Modelos de Classificação de Áudio

• Uso de redes neurais convolucionais (CNNs) para áudio
• Entrada do modelo: onda sonora bruta vs recursos extraídos
• Funções de perda, métricas de avaliação e sobreajuste

Detecção de Eventos e Localização Temporal

• Estratégias de detecção baseadas em quadros e segmentos
• Processamento posterior de detecções usando limiares e suavização
• Visualização de previsões em linhas do tempo de áudio

Tópicos Avançados e Processamento em Tempo Real

• Aprendizado por transferência para cenários com poucos dados
• Implantação de modelos com TensorFlow Lite ou ONNX
• Processamento de áudio em streaming e considerações sobre latência

Desenvolvimento de Projetos e Cenários de Aplicação

• Projetando um pipeline completo: da ingestão à classificação
• Desenvolvendo um conceito de prova (PoC) para vigilância, controle de qualidade ou monitoramento
• Registros (logging), alertas e integração com painéis (dashboards) ou APIs

Resumo e Próximos Passos