campaign mobile
image

بازشناسی گفتار

بازشناسی گفتار یکی از مهم‌ترین و کاربردی‌ترین حوزه‌های فناوری است که نقش اساسی در تعامل بین انسان و ماشین ایفا می‌کند. این فناوری در سال‌های اخیر، با پیشرفت‌های چشمگیر در حوزه‌های مرتبط و بهبود روش‌های پردازش سیگنال، به یکی از تکنولوژی‌های پایه‌ای در سیستم‌های هوشمند تبدیل شده است.

مشخصات دوره

سطحمقدماتی
مدت14 ساعت
مدرکدارد
تاریخ به روزرسانی۱۴۰۴/۱/۱۹
قالب دورهخودخوان
میزان محبوبیت
5
(1 رای)
۱٬۴۰۰٬۰۰۰
تومان

مطالب دوره

1. مقدمه
1.1 معرفی و تاریخچه بازشناسی گفتار
10' : 09''
2.1 معرفی سیگنال دیجیتال، تبدیل فوریه و اسپکتروگرام
27' : 07''
3.1 استخراج ویژگی و واج‌شناسی
13' : 29''
4.1 مدل مخفی مارکوف گسسته
25' : 09''
5.1 مدل مخفی مارکوف پیوسته، مدل زبانی، مقدمه شبکه‌های عصبی
28' : 02''
6.1 استراتژی‌های آموزش
06' : 42''
2. بازشناسی گفتار مبتنی بر مدل مخفی مارکوف
3. پروژه ( مفاهیم کاربردی پردازش سیگنال)
4. بازشناسی گفتار مبتنی بر مدل مخفی مارکوف
5. بازشناس گفتار با شبکه های عصبی End-to-End
6. پروژه (شبکه های عصبی)
7. بازشناسی گفتار با استفاده از شبکه های پیش آموزش دیده
8. پروژه (شبکه های عصبی)
9. پروژه (wav2vec2)

اطلاعات تکمیلی دوره

در این دوره، مفاهیم پایه تا پیشرفته‌ی بازشناسی گفتار به‌صورت جامع بررسی می‌شود. ابتدا با اصول اولیه‌ی پردازش سیگنال‌های گفتاری و روش‌های استخراج ویژگی‌های صوتی آشنا خواهیم شد. سپس، مدل‌های سنتی و مدل‌های پیشرفته‌تر که در سال‌های اخیر توسعه یافته‌اند، مورد بررسی قرار می‌گیرند. در ادامه، روش‌های ترکیب مدل‌های زبانی و بهینه‌سازی فرآیند بازشناسی گفتار مطالعه خواهد شد. همچنین، الگوریتم‌های کدگشایی و روش‌های ارزیابی دقت مدل‌ها معرفی می‌شوند. این دوره به‌صورت پروژه‌محور طراحی شده است تا شرکت‌کنندگان، علاوه بر یادگیری مبانی نظری، مهارت‌های عملی لازم برای پیاده‌سازی سیستم‌های بازشناسی گفتار را نیز کسب کنند.

 

مخاطبان:

  • دانشجویان کارشناسی، کارشناسی ارشد و دکتری که به حوزه‌ی بازشناسی گفتار علاقه‌مند هستند.

  • کارشناسان و علاقه‌مندان به حوزه‌ی پردازش گفتار و یادگیری ماشین.

 

پیش‌نیاز:

  • آشنایی با برنامه‌نویسی پایتون.
  • دانش پایه در آمار و احتمال و مدل‌های احتمالی.
  • آشنایی با شبکه‌های عمیق.
  • آشنایی با مبانی یادگیری ماشین.

 

نحوه ارزیابی:

  • ۴۰ درصد آزمون پایانی
  • ۶۰ درصد پروژه پایانی

مدرس دوره

حسین زینلی
حسین زینلی

دوره‌های پیشنهادی

هوش مصنوعی

رایگان
هوش مصنوعی

هوش مصنوعی