Notebook FMP: Notebook Python untuk Dasar-Dasar Pemrosesan Musik
Status saat ini
- Notebook FMP diperbarui secara berkala (versi saat ini: 1.2.6).
- Isinya dapat langsung dijelajahi melalui versi HTML statis.
- Untuk menjalankan kode Python, Anda perlu mengikuti petunjuk di halaman "Get Started".
Pengenalan
- Notebook FMP adalah kumpulan materi pembelajaran untuk mengajar dan mempelajari dasar-dasar pemrosesan musik (FMP).
- Mencakup topik-topik utama di bidang Music Information Retrieval (MIR), termasuk contoh kode Python yang mengimplementasikan teori.
- Disusun sebagai kerangka kerja yang konsisten dan komprehensif berbasis notebook Jupyter.
- Ditujukan bagi mahasiswa, pengajar, dan peneliti untuk mempelajari teori dan praktik, membuat materi kuliah, serta menyediakan implementasi dasar untuk banyak tugas MIR.
Informasi lisensi
- Teks dan gambar berada di bawah lisensi Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
- Paket Python
libfmp berada di bawah lisensi MIT dan tersedia di GitHub.
- Materi audio mengikuti lisensi aslinya masing-masing.
Memulai
- Versi HTML statis dapat langsung digunakan tanpa instalasi.
- Untuk menjalankan sel kode Python, Anda harus mengunduh notebook, menyiapkan lingkungan, lalu menjalankan server Jupyter.
- Langkah-langkah yang diperlukan dijelaskan secara rinci di bagian "Get Started" pada notebook FMP.
Ikhtisar
- Notebook FMP disusun mengikuti 8 bab dari buku teks [Müller, FMP, Springer 2015].
- Setiap bab membahas pemrograman Python, kerangka kerja Jupyter, representasi musik, analisis Fourier pada sinyal, sinkronisasi musik, analisis struktur musik, pengenalan chord, pelacakan tempo dan beat, pencarian audio berbasis konten, serta dekomposisi audio yang sadar informasi musikal.
Kontributor utama
- Berbagai mahasiswa, kolaborator, dan kolega telah berkontribusi pada pembuatan notebook FMP.
- Kontributor utama: Vlora Arifi-Müller, Stefan Balke, Eran Egozy, Michael Krause, Patricio López-Serrano, Brian McFee, Sebastian Rosenzweig, Steve Tjoa, Angel Villar-Corrales, Christof Weiß, Frank Zalkow, Tim Zunner.
Referensi
- LibROSA: menyediakan banyak komponen dasar untuk sistem Music Information Retrieval yang dikelola oleh Brian McFee.
- Notes on Music Information Retrieval: kumpulan materi pembelajaran MIR yang dikelola oleh Steve Tjoa.
- Kursus Fundamentals of Music Processing: mencakup banyak contoh kode Python yang disediakan oleh Eran Egozy.
Opini GN⁺
- Nilai edukatif: Notebook FMP adalah materi yang sangat bermanfaat bagi siapa pun yang ingin mempelajari dasar-dasar pemrosesan musik.
- Berfokus pada praktik: Contoh kode Python yang disediakan bersama teori membantu meningkatkan pemahaman melalui praktik langsung.
- Pemanfaatan open source: Materi pembelajaran diperkaya dengan memanfaatkan berbagai alat dan pustaka open source.
- Persyaratan teknis: Diperlukan pemahaman dasar tentang Python dan notebook Jupyter.
- Pentingnya pembaruan: Karena diperbarui secara berkala, penting untuk memeriksa versi terbaru.
1 komentar
Komentar Hacker News
Pertanyaan tentang apakah ada materi yang bagus untuk mempelajari algoritma pemrosesan audio digital: Pertanyaan tentang apakah ada materi yang bagus untuk mempelajari algoritma pemrosesan audio digital, misalnya kompresi, reverb, dan sebagainya.
Materi terbaik tentang audio DSP+ML: Berfokus pada musik, tetapi juga sangat relevan untuk audio lain seperti ucapan dan suara lingkungan.
Materi tambahan yang mungkin membantu: ThinkDSP juga bisa membantu.
Pertanyaan apakah ini bagus untuk orang yang tidak punya pengetahuan musik tetapi suka pemrograman dan ingin belajar tentang audio serta generasi suara: Meskipun tanpa pengetahuan musik, ini tetap membantu dalam konteks jenis sinyal lainnya.
Referensi yang bagus: Ini materi yang bagus.
Ucapan terima kasih: Materi yang bagus, terima kasih.
Referensi tambahan: Halaman web Dan Ellis dari Columbia University dan librosa yang sangat bagus juga layak dijadikan rujukan.