Por favor, use este identificador para citar o enlazar este ítem: http://www.monografias.ufop.br/handle/35400000/5447
Título : Aprendizado de máquina supervisionado : classificação de músicas por gênero musical.
Autor : Abreu, Ronan David Souza
metadata.dc.contributor.advisor: Pereira, Tiago Martins
metadata.dc.contributor.referee: Oliveira, Diana Campos de
Ribeiro, Marcelo Carlos
Pereira, Tiago Martins
Palabras clave : Processamento de sinais
Aprendizado de máquina supervisionado
Recuperação de informações musicais
Fecha de publicación : 2023
Citación : ABREU, Ronan David Souza. Aprendizado de máquina supervisionado: classificação de músicas por gênero musical. 2023. 48 f. Monografia (Graduação em Estatística) - Instituto de Ciencias Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2023.
Resumen : Este trabalho apresenta um estudo sobre Aprendizado de Máquina Supervisionado apli cado à classificação de músicas por gênero musical. A metodologia consistiu na extração de características musicais relevantes de arquivos de áudio, seguida da aplicação de algo ritmos de aprendizado de máquina para treinamento e teste de modelos de classificação. Usou-se um conjunto de dados de arquivos de áudio de diversos gêneros musicais dis ponibilizados pela base de dados GTZAN. Os resultados obtidos indicam que é possível alcançar uma acurácia significativa na classificação de músicas utilizando a abordagem proposta neste trabalho. O modelo poderá ser usado na organização de grandes catálogos de música, recomendação e análise de tendências.
metadata.dc.description.abstracten: This work presents a study on Supervised Machine Learning applied to the classificationof music by musical genre. The methodology consisted of extracting relevant musical features from audio files, followed by the application of machine learning algorithms for training and testing classification models. A dataset of audio files from various musical genres provided by the GTZAN database was used. The results obtained indicate that it is possible to achieve significant accuracy in music classification using the approach proposed in this work. The model could be used in organizing large music catalogs, recommendation, and trend analysis.
URI : http://www.monografias.ufop.br/handle/35400000/5447
Aparece en las colecciones: Estatística

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
MONOGRAFIA_AprendizadoMáquinaSupervisionado.pdf2,17 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons