Översikt över musikinformatik, dess historia och tillämpningar samt en granskning av grundprinciper, såsom musikrepresentation, analog till digital konvertering och Fouriertransformen.
Särdragsextraktion, som visar hur musikdata kan beskrivas i olika domäner, t ex tid, frekvens och tidsfrekvens.
Hur musikinnehåll på olika nivåer av abstraktion kan uttryckas och jämföras med särdrag.
Sätt att modellera musikdata med hjälp av statistiska maskininlärningsmetoder.
Utvärdering av modeller av musikdata och deras tillämpning i verkligheten.
DT2470 Musikinformatik 7,5 hp
Denna kurs ger en grundlig introduktion till forskningsområdet musikinformatik, som har många kommersiella och offentliga tillämpningar, från musikströmning och rekommendationer till arkivering och musikskapande.
Om kursomgång
Gäller för kursomgång
HT 2024 musinf20 programstuderande
Målgrupp
Öppen för alla masterprogram, under förutsättning att kursen kan ingå i programmet (se även kursplanens behörighetskrav)
Del av program
Masterprogram, information och nätverksteknologi, åk 1, Rekommenderad
Masterprogram, information och nätverksteknologi, åk 2, Rekommenderad
Masterprogram, interaktiv medieteknik, åk 1, Villkorligt valfri
Masterprogram, interaktiv medieteknik, åk 2, Villkorligt valfri
Perioder
P1 (7,5 hp)Varaktighet
Studietakt
50%
Undervisningsform
Normal Dagtid
Undervisningsspråk
Engelska
Studielokalisering
KTH Campus
Antal platser
Ingen platsbegränsning
Planerade schemamoduler
Kurs-PM
Kurs-PM är inte publiceratSchema
Länk till SchemaKursval
Gäller för kursomgång
HT 2024 musinf20 programstuderande
Anmälningskod
50245
Kontakt
Gäller för kursomgång
HT 2024 musinf20 programstuderande
Examinator
Ingen information tillagdKursansvarig
Ingen information tillagdLärare
Ingen information tillagdInnehåll och lärandemål
Kursinnehåll
Lärandemål
Efter godkänd kurs ska studenten kunna
- redogöra för hur särdragsextraktion går till och förklara varför det behövs
- rekommendera metoder för jämförande och modellering av musikdata
- utforma, implementera och utvärdera metoder för modellering av musikdata
i syfte att
- kunna beskriva hur information på olika abstraktionsnivåer kan utvinnas ur musikdata (akustiska såväl som symboliska) och användas i många tillämpningar (t ex sökning, hämtning, syntes)
- kunna konstruera algoritmer för behandling och modellering av musikdata samt utvärdera deras prestanda.
Kurslitteratur och förberedelser
Särskild behörighet
- Kunskaper i sannolikhetslära och statistik, 6 hp, motsvarande slutförd kurs SF1910-SF1925/SF1935.
- Kunskaper och färdigheter i programmering, 6 hp, motsvarande slutförd kurs DD1310-DD1319/DD1321/DD1331/DD1337/DD100N/ID1018.
- Kunskaper i linjär algebra, 7,5 hp, motsvarande slutförd kurs SF1624/SF1672.
Rekommenderade förkunskaper
Utrustning
Kurslitteratur
Examination och slutförande
När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.
Betygsskala
Examination
- LAB2 - Laborationer, 3,0 hp, betygsskala: A, B, C, D, E, FX, F
- PRO2 - Projektuppgift, 3,0 hp, betygsskala: A, B, C, D, E, FX, F
- UPP2 - Uppsats, 1,0 hp, betygsskala: A, B, C, D, E, FX, F
- ÖVN2 - Övningsuppgifter, 0,5 hp, betygsskala: A, B, C, D, E, FX, F
Examinator beslutar, baserat på rekommendation från KTH:s handläggare av stöd till studenter med funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.
Examinator får medge annan examinationsform vid omexamination av enstaka studenter.
Möjlighet till komplettering
Möjlighet till plussning
Examinator
Etiskt förhållningssätt
- Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
- Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
- Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.
Ytterligare information
Kursrum i Canvas
Ges av
Huvudområde
Utbildningsnivå
Påbyggnad
Övergångsbestämmelser
Tidigare provmomentet LAB1 ersätts av LAB2, PRO1 ersätts av PRO2, UPP1 ersätts av UPP2 tillsammas med ÖVN2.
Övrig information
I denna kurs tillämpas EECS hederskodex, se:
http://www.kth.se/eecs/utbildning/hederskodex