Machine Learning for Speech and Audio Processing
Dozent: Prof. Dr.-Ing. Peter Jax
Ansprechpartner: Lars Thieling, Jörn Erik Fleischhauer
Typ: Master-Vorlesung
Credits: 4
Anmeldung über RWTHonline
Vorlesungssprache: Englisch
Unterlagen:
Die Folien zur Vorlesung und Übungsaufgaben werden in RWTHmoodle zur Verfügung gestellt.
Termine
Vorlesung:
ab Freitag, 8. April 2022
08:30 - 10:00 Uhr
Hörsaal 4G
Übung:
ab Freitag, 8. April 2022
10:15 - 11:00 Uhr
Hörsaal 4G
Sprechstunden:
Termine werden individuell vergeben.
Prüfung
Die Prüfung findet im WS 23 am Mittwoch, den 1.3.2023 mündlich im IKS statt. Terminvergabe bei Simone Sedgwick. (sedgwick(at)iks.rwth-aachen.de)
Bitte beachten: Bringen Sie bitte Ihren Studierendenausweis (BlueCard) mit!
Die Vorlesung "Machine Learning for Speech and Audio Processing (MLSAP)" richtet sich insbesondere an Studierende im Master-Studiengang "Elektrotechnik, Informationstechnik und Technische Informatik". Die formale Verknüpfung zu den Modulkatalogen ist in RWTHonline zu finden.
Inhalt der Vorlesung
Die einsemestrige Vorlesung behandelt Themen des maschinellen Lernens mit Anwendungen für Probleme der Sprach- und Audiosignalverarbeitung:
- Klassifikations- und Schätzungsverfahren
- Grundlegende Probleme der Klassifikation
- Techniken zur Merkmalsextraktion
- Grundlegende Klassifikationsverfahren
- Statistische Modellierung
- Stochastische Prozesse und Modelle
- Gaussian Mixture Models (GMMs)
- Hidden Markov Models (HMMs)
- Trainingsmethoden
- Bayes'sche Wahrscheinlichkeitstheorie: Klassifikation und Schätzung
- Partikelfilter
- Nicht-negative Matrixfaktorisierung
- Dictionary‐basiertes Konzept
- Neuronale Netze und Deep Learning
- Feed-Forward Neuronale Netze
- Grundlegende Anwendungen
- Lernstrategien: Supervised vs. Unsupervised vs. Reinforcement Learning
- Training der synaptischen Gewichte: Backpropagation und Stochastic Gradient Descent
- Lernverhalten und die "Magie" von Hyper-Parametern
- Generative Networks im Gegensatz zu gerichteten Graphen
- Von "Shallow" bis "Deep": Der Kompromiss zwischen Verständlichkeit und Performance
- Spezielle Netzwerkarchitekturen
- Anwendungen aus der Signalverarbeitung
- Interpretation und Realisierung
In der begleitenden Übung werden einzelne Themen unter praktischen Randbedingungen anhand von Beispielen vertieft.
Evaluierung
Hier werden die letzten Evaluierungsergebnisse für die Lehrveranstaltung "Machine Learning for Speech and Audio Processing" zusammengefasst.
Sommersemester 2020
Teilnehmer an der Evaluierung5
Vorlesung:
Globalindikator: 1,6
Konzept der Vorlesung: 1,5
Vermittlung und Verhalten: 1,6