Clasificación de Audio y Detección de Eventos con ML

Fundamentos de la Clasificación de Audio

• Tipos de eventos sonoros: ambientales, mecánicos, generados por humanos
• Resumen de casos de uso: vigilancia, monitoreo, automatización
• Clasificación de audio vs detección vs segmentación

Datos de Audio y Extracción de Características

• Tipos de archivos y formatos de audio
• Consideraciones sobre tasa de muestreo, ventana (windowing) y tamaño de marco (frame size)
• Extracción de MFCC, características cromáticas y mel-espectrogramas

Preparación y Anotación de Datos

• Conjuntos de datos UrbanSound8K, ESC-50 y personalizados
• Etiquetado de eventos sonoros y límites temporales
• Balanceo de conjuntos de datos y aumento de audio

Construcción de Modelos de Clasificación de Audio

• Uso de redes neuronales convolucionales (CNN) para audio
• Entrada del modelo: forma de onda cruda vs características
• Funciones de pérdida, métricas de evaluación y sobreajuste

Detección de Eventos y Localización Temporal

• Estrategias de detección basadas en marcos y segmentos
• Postprocesamiento de detecciones usando umbrales y suavizado
• Visualización de predicciones en líneas de tiempo de audio

Temas Avanzados y Procesamiento en Tiempo Real

• Aprendizaje por transferencia para escenarios con pocos datos
• Despliegue de modelos con TensorFlow Lite o ONNX
• Procesamiento de audio en streaming y consideraciones de latencia

Desarrollo de Proyectos y Escenarios de Aplicación

• Diseño de una tubería (pipeline) completa: desde la ingesta hasta la clasificación
• Desarrollo de un concepto de prueba (proof-of-concept) para vigilancia, control de calidad o monitoreo
• Registro de eventos, alertas e integración con paneles o APIs

Resumen y Próximos Pasos