TGTGInsightаналитика telegramLIVE / telegram public index
← [404] — программирование

TGINSIGHT SIMILAR POSTS

Найти похожее

Источник @procode404 · Post #3913 · 12 янв.

​​​​🔥​​Искусственный интеллект с примерами на Python Джоши Пратик — специалист по проблемам искусственного интеллекта, автор пяти книг и постоянный докладчик на конференциях TEDx. В своей книге он разбирает следующие практические темы: — Создание интеллектуальных рекомендательных систем — Построение автоматизированных систем распознавания речи — Основы эвристического поиска и генетического программирования — Разработка игр с использованием искусственного интеллекта — Создание интеллектуальных приложений, связанных с обработкой изображений, текста и последовательных данных — Алгоритмы глубокого обучения и создание приложений на их основе Автор: Джоши Пратик Год: 2019 Скачать книгу #python#нейронки

Результаты

Найдено 3 похожих постов

Поиск: #sounds

当前筛选 #sounds清除筛选
Interesting Planet 🌍

@interesting_planet_facts · Post #1053 · 19.11.2025, 18:11

🌎 In 1977, the Soviet Venera 14 probe recorded mysterious low-frequency “thunder”-like sounds on Venus. Scientists now attribute these to seismic activity or wind interacting with the planet’s dense atmosphere. Venus’s surface winds move slowly, but thick air carries sound much farther than on Earth. ✨ #Venus⚡#sounds⚡#space 👉subscribe Interesting Planet 👉more Channels ​

djangoproject

@djangoproject · Post #255 · 02.02.2017, 18:57

https://github.com/tyiannak/pyAudioAnalysis #pyAudioAnalysis is a Python library covering a wide range of audio analysis tasks. Through pyAudioAnalysis you can: Extract #audio features and representations (e.g. mfccs, spectrogram, chromagram) Classify unknown #sounds Train, parameter tune and evaluate classifiers of audio segments Detect audio events and exclude silence periods from long recordings Perform supervised segmentation (joint segmentation - classification) Perform unsupervised segmentation (e.g. speaker diarization) Extract audio thumbnails Train and use audio regression models (example application: emotion recognition) Apply dimensionality reduction to visualize audio data and content similarities