در حال حاضر روش‌های هوش مصنوعی روزآمد موفق شده‌اند بهبود قابل توجهی در روش‌های کلاسیک بازشناسی گفتار، سنتز گفتار و پردازش طبیعی ایجاد کنند. در این دوره می‌خواهیم بعد از آشنایی با اساس این شاخه‌ها، با نحوه به کارگیری روش‌های جدید هوش مصنوعی در سامانه‌های مرتبط با بازشناسی گفتار و تبدیل متن به گفتار بپردازیم.

مخاطبان:
هدف اصلی این دوره آشنایی دانشجویان کارشناسی، کارشناسی ارشد و دکتری با مفاهیم و نیز سامانه‌های مطرح در بازشناسی گفتار و سنتز گفتار است. 

پیش‌نیاز:
برنامه نویسی پایتون
آمار و احتمال و مدل‌های احتمالی
پردازش سیگنال 
شبکه های عمیق
یادگیری ماشین

نحوه ارزیابی:
آزمون نهایی دوره

منابع دوره:
•    Fundamentals of Speech Recognition, Rabiner and Juang, Prentice Hall, 1993
•    Automatic Speech Recognition, A Deep Learning Approach, Dong Yu, Li Deng, Springer-Verlag, 2015
•    Spoken language processing, Huang, Acero, Hon, Prentice Hall, 2001
•    Discrete-time processing of speech signals, Deller, Proakis & Hansen, Prentice-Hall, 1999. 
•    Speech and Language Processing, Jurafsky, Martin, 2019