Wydział Informatyki | ||||||||||
Kierunek studiów | Matematyka Stosowana | Poziom i forma studiów | pierwszego stopnia inżynierskie stacjonarne | |||||||
Specjalność / Ścieżka dyplomowania | Przedmiot wspólny | Profil kształcenia | praktyczny | |||||||
Nazwa przedmiotu | Introduction to Machine Audition | Kod przedmiotu | MAT1IMA_EN | |||||||
Rodzaj przedmiotu | obieralny | |||||||||
Forma zajęć i liczba godzin | W | Ć | L | P | Ps | T | S | Semestr | 5/6 | |
15 | 45 | Punkty ECTS | 4 | |||||||
Przedmioty wprowadzające | ||||||||||
Cele przedmiotu |
Wprowadzenie studentów do współczesnych metod słyszenia maszynowego. Po ukończeniu zajęć w ramach niniejszego przedmiotu studenci będą w stanie scharakteryzować wybrane metody słyszenia maszynowego i zaimplementować je przy użyciu wysokopoziomowych języków programowania takich jak MATLAB lub Python. |
|||||||||
Treści programowe |
Wykład: Pracownia specjalistyczna: |
|||||||||
Metody dydaktyczne |
pokaz, programowanie z użyciem komputera, metoda projektów, wykład informacyjny, |
|||||||||
Forma zaliczenia |
Wykład: test pisemny. |
|||||||||
Symbol efektu uczenia się | Zakładane efekty uczenia się | Odniesienie do kierunkowych efektów uczenia się | ||||||||
E1 | umie wymienić, scharakteryzować i porównać podstawowe metody wykorzystywane do celów słyszenia maszynowego |
K_W03 K_W09 K_W14 |
||||||||
E2 | zna najnowsze trendy w dziedzinie słyszenia maszynowego; jest świadomy możliwości i ograniczeń najnowszych algorytmów. |
K_W05 K_W09 K_W12 |
||||||||
E3 | posiada podstawowe umiejętności uzdatniania, przetwarzania i analizy sygnałów dźwiękowych. |
K_U09 K_U10 K_U11 K_U12 K_U13 |
||||||||
E4 | potrafi zaimplementować algorytmy parametryzacji dźwięku. |
K_U09 K_U11 K_U12 K_U13 |
||||||||
E5 | potrafi zaimplementować wybrane algorytmy słyszenia maszynowego z użyciem wysokopoziomowych języków programowania (np. MATALB lub Python) |
K_U09 K_U10 K_U11 K_U12 K_U13 |
||||||||
E6 | potrafi implementować proste algorytmów słyszenia maszynowego w czasie rzeczywistym. |
K_U08 K_U09 K_U10 K_U11 K_U12 K_U13 K_U15 K_U16 K_U17 |
||||||||
Symbol efektu uczenia się | Sposób weryfikacji efektu uczenia się | Forma zajęć na której zachodzi weryfikacja | ||||||||
E1 | test pisemny | W | ||||||||
E2 | test pisemny | W | ||||||||
E3 | sprawozdania projektów oraz ich ustna obrona | Ps | ||||||||
E4 | sprawozdania projektów oraz ich ustna obrona | Ps | ||||||||
E5 | sprawozdania projektów oraz ich ustna obrona | Ps | ||||||||
E6 | sprawozdania projektów oraz ich ustna obrona | Ps | ||||||||
Bilans nakładu pracy studenta (w godzinach) | Liczba godz. | |||||||||
Wyliczenie | ||||||||||
1 - Uczestnictwo w wykładach - 15 x 1 | 15 | |||||||||
2 - Uczestnictwo w pracowniach specjalistycznych - 15 x 3 | 45 | |||||||||
4 - Praca własna i przygotowanie do testu zaliczeniowego | 7 | |||||||||
5 - Udział w konsultacjach | 5 | |||||||||
6 - Opracowanie projektów | 28 | |||||||||
RAZEM: | 100 | |||||||||
Wskaźniki ilościowe | GODZINY | ECTS | ||||||||
Nakład pracy studenta związany z zajęciami wymagającymi bezpośredniego udziału nauczyciela | 65 (1)+(5)+(2) |
2.6 | ||||||||
Nakład pracy studenta związany z zajęciami o charakterze praktycznym | 73 (6)+(2) |
2.9 | ||||||||
Literatura podstawowa |
1. W. Wang, Machine Audition: Principles, Algorithms and Systems. Information science reference. New York, 2010. |
|||||||||
Literatura uzupełniająca |
1. Z. Raś, A. Wieczorkowska, Advances in Music Information Retrieval. Studies in Computational Intelligence, Springer-Verlag, Berlin, 2010. |
|||||||||
Jednostka realizująca | Katedra Mediów Cyfrowych i Grafiki Komputerowej | Data opracowania programu | ||||||||
Program opracował(a) | dr hab. inż. Sławomir Zieliński | 2021.04.20 |