Machine Learning para la creación sonora

El aprendizaje de máquina o machine learning es una rama de la inteligencia artificial que dota a nuestros algoritmos de estrategias para clasificar ideas u objetos, además tiene la posibilidad de extraer información de nuestras bases de datos y aprender características nuevas sin la necesidad de enseñárselas.

El aprendizaje de máquinas se está usando cada día más en las redes sociales, investigación, industria, pero también en el mundo del arte, por lo que aprender las bases y mecanismos de la misma nos pueden dar la oportunidad de reflexionar sobre nosotros mismos y nuestras producciones sonoras. En este curso aprenderemos las bases del machine learning y los aplicaremos a la producción de música y arte sonoro.

Temario: 

Introducción al sonido.
Introducción al lenguaje musical.

  • El sonido y la música como números.
  • Introducción a Python.
  • Introducción al MIDI.
  • Cadenas de markov.
  • Matrices de transición.
  • Máquinas de estados finitos.
  • El perceptrón.
  • Redes neuronales.
  • Árboles de decisión.
  • Introducción a music 21.
Objetivo general: 

Introducir a los asistentes a las herramientas del aprendizaje de máquina para proyecto de composición y arte sonoro.

Objetivos particulares: 
  • Aprender a codificar los discursos sonoros de manera numérica de tal manera que puedan alimentar un algoritmo de machine learning.
  • Conocer los algoritmos básicos del machine learning y las estrategias para producir obras con ellos.
  • Instalar los lenguajes de programación y herramientas necesarias para que les alumnes puedan seguir experimentando de manera autónoma después del curso. 
Metodología: 

Este será un curso teórico-práctico en el que a través de ejercicios de programación en python utilizaremos las herramientas más básicas del aprendizaje de máquina.

Bibliografía: 

-Cope, D. (1996). Experiments in musical intelligence. Madison, Wis: A-R Editions.
-C. Roads. Computer Music Journal , Summer, 1980, Vol. 4, No. 2, Artificial Intelligence and Music Part 1 (Summer, 1980), pp. 13-25
-Huang, A. & Wu, R. (2016) Deep Learning For Music. Recuperado de (https://cs224d.stanford.edu/reports/allenh.pdf)

Fecha: 
Lunes, 9 Mayo, 2022 to Lunes, 13 Junio, 2022
Días y horarios: 

Lunes de 17:00 a 21:00 h.
5 sesiones
9, 16, 30 de mayo 6 y 13 de junio

Fecha límite para inscripción: 
Lunes, 9 Mayo, 2022
Sede: 

Presencial: Nadadores 30. Colonia Country Club Churubusco. Alcaldía Coyoacán. CDMX. C.P. 04220

Online: Plataforma virtual de SEMIMUTICAS. (Se mandará el link de las sesiones previamente)

Cupo mínimo: 
5
Cupo máximo: 
20
Costo en MXN: 
3125
Porcentaje mínimo a cubrir del costo: 
80
Status del curso: 
Abierto
Letras a cubrir: 
4
Instructor: 
jaimelobato