Система распознавания игры по её саундтреку

Институт радиотехники и информационных технологий – радиотехнический факультет (ИРИТ-РтФ)

кафедра интеллектуальных информационных технологий

Оценка__________________________

Руководитель курсовой работы__________________________

Члены комиссии__________________

Дата защиты______________________

ОТЧЕТ

о курсовой работе

по теме: Система распознавания игры по её саундтреку

Студент:

Фамилия ___________________

Имя ______________ Отчество _____________________        Подпись______________

Группа ______________

Екатеринбург

2018

СОДЕРЖАНИЕ

ВВЕДЕНИЕ        3

1.        Теоретическая часть        4

1.1        Немного про машинное обучение        4

1.2. Задачи на проект        5

1.3.  Анализ и подбор средств для разработки проекта        6

1.4. Постановка проблемы        7

1.5. Метрики оценки производительности алгоритма        8

2. Практическая часть        11

2.1. Структурная схема разработки        11

2.2. Описание блоков структурной схемы разработки        12

2.2.1. Преобразование данных        12

2.2.2. Написание модели машинного обучения        14

2.2.3. Сборка web-приложения        16

ЗАКЛЮЧЕНИЕ        17

БИБЛИОГРАФИЧЕСКИЙ СПИСОК        18

ПРИЛОЖЕНИЕ        20

ВВЕДЕНИЕ

Мир не стоит на месте, и вместе с ним развиваются и информационные технологии. В большинстве случаев, они помогают человеку, в том числе и предсказывают и предугадывают какую-то информацию. Особенно в том случае, когда данных очень много и обычный человек не в состоянии справиться с ними корректно. В основе таких устройств лежит машинное обучение.

 Кратко о понятии. Его суть состоит в том, чтобы в «обучить» машину – предоставить множество данных в виде таблиц, где какому-то набору данных соответствует какое-то значение. Таким образом, программа собирает данные и делает выводы о том, какому набору соответствовало бы значение из предложенных. Сам принцип похож на закон больших чисел – чем больше данных, тем больше вероятность будет приближена к 1.

Хоть и цель нашего сервиса может показаться не столь актуальной и нужной, но если посмотреть в общем, то можно заметить то, что работа со звуками как раз-таки актуальна. Например, для колл-центра, чтобы угадать настроение звонящего, разложив запись разговора по определённым частям и сделав по этому определённый вывод. Также и мы, начиная с чего-то меньшего, уже будем иметь опыт в разработке проектов с машинным обучением, который поможет нам в реализации более сложных проектов.

1. Теоретическая часть

1. Немного про машинное обучение

Машинное обучение – класс методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение в процессе применения решений множества сходных задач. Для построения таких методов используются средства математической статистики, численных методов, методов оптимизации, теории вероятностей, теории графов, различные техники работы с данными в цифровой форме. 
Большую часть задач машинного обучения можно разделить на обучение с учителем (supervised learning) и обучение без учителя (unsupervised learning). При обучении с учителем у нас есть данные, на основании которых нужно что-то предсказать, и некоторые гипотезы. При обучении без учителя у нас есть только данные, свойства которых мы и хотим найти.