Inteligencia Artificial Para Audio: Aplicaciones Con Machine Learning

Clases: Virtual (sincrónico)
Fechas: Inicia el 30 de junio
Horario: Lunes y miércoles de 7 a 10 PM
Duración: 20 sesiones | 60 horas
Periodos: 2.5 meses
Cupo: 20 personas

Costo del curso $21.400.00 MXN 2 parcialidades

Contáctanos

Objetivo del programa

Este curso ofrece a estudiantes, productores, ingenieros de audio y creadores digitales las herramientas necesarias para aplicar el aprendizaje automático en el análisis y procesamiento de audio. A lo largo de 60 horas intensivas, se explorarán desde los principios del sonido digital hasta el desarrollo de modelos predictivos y generativos enfocados en el reconocimiento, clasificación y creación de contenido sonoro.

Requisitos

Documentación necesaria:

* Solicitud de ingreso.
* Identificación oficial.
* Comprobante de domicilio (del servicio de agua, luz o teléfono).
* Comprobante de pago de primer parcialidad

Requisitos técnicos

Computadora personal (Windows, Mac o Linux) con mínimo 8 GB RAM, procesador i5 o equivalente.
Python 3.8+ con Jupyter Notebook.
Bibliotecas requeridas: NumPy, SciPy, LibROSA, scikit-learn, TensorFlow o PyTorch.
Micrófono o interfaz para pruebas de grabación.

Programa educativo

TEMARIO:

Fundamentos de Audio Digital y Procesamiento de Señales
- Conceptos básicos de audio digital: frecuencia, amplitud, sampling, cuantización.
- Representaciones visuales del sonido: espectrogramas, MFCCs, STFT.
- Librerías esenciales para el análisis de audio en Python (LibROSA, SciPy).
Introducción a Machine Learning
- Modelos supervisados y no supervisados aplicados a audio.
- Recolección y limpieza de datos de audio.
- Normalización, etiquetado y creación de datasets.
Deep Learning aplicado al audio
- Redes neuronales profundas: MLP, CNN.
- Arquitecturas para análisis de espectrogramas.
- Implementación de modelos con Keras y PyTorch.
Modelos avanzados y generación de audio
- RNNs, LSTM y atención aplicada a datos secuenciales.
- Autoencoders y GANs para manipulación y síntesis de audio.
- Casos de uso en beat detection, voice synthesis, efectos creativos.
Optimización, evaluación y buenas prácticas
- Técnicas para mejorar desempeño: data augmentation, dropout, tuning.
- Métricas de desempeño en modelos de audio.
- Validación cruzada y preparación para producción.
Proyecto Final
- Definición del problema de audio a resolver.
- Desarrollo de pipeline completo (dataset → modelo → análisis).
- Presentación final del proyecto con justificación técnica y artística.

Fundamentos de Audio Digital y Procesamiento de Señales

Conceptos básicos de audio digital: frecuencia, amplitud, sampling, cuantización.
Representaciones visuales del sonido: espectrogramas, MFCCs, STFT.
Librerías esenciales para el análisis de audio en Python (LibROSA, SciPy).

MÓDULOS IMPARTIDOS POR:

GRISSEL RODRÍGUEZ

Doctora y Maestra en Ingeniería Eléctrica (CINVESTAVIPN). Realizó una estancia posdoctoral en el departamento de Física y Astronomía de la Universidad Católica de Lovaina en Bélgica.

Tiene amplia experiencia en el desarrollo de planes de estudios para impartir diplomados y materias en nivel superior. Ha participado en congresos nacionales e internacionales. Cuenta con diferentes cursos, entre los que destacan Introducción a la Microscopía Electrónica e Introducción a la Plataforma de Programación CoDeSys.

Forma parte de la Sociedad Internacional de Ingeniería Biónica y la Sociedad Mexicana de Ingeniería Biomédica. Actualmente se dedica al desarrollo de aplicaciones web con IA en el sector privado y también es Coordinadora Académica del Instituto Artek.

Inteligencia Artificial Para Audio: Aplicaciones Con Machine Learning