Introdução Detalhada ao Curso de Áudio da Hugging Face

Visão Geral do Curso

O Curso de Áudio da Hugging Face é um curso abrangente focado no processamento de dados de áudio usando Transformers. Este curso demonstra como os Transformers, uma das arquiteturas de deep learning mais poderosas e versáteis, alcançam resultados de ponta no campo do processamento de áudio.

Objetivos do Curso

Este curso ensinará os alunos a aplicar Transformers a dados de áudio, cobrindo uma variedade de tarefas relacionadas ao áudio:

• Reconhecimento de Fala (Speech Recognition)
• Classificação de Áudio (Audio Classification)
• Geração de Texto para Fala (Text-to-Speech Generation)
• Transcrição de Fala em Tempo Real (Real-time Speech Transcription)

Destaques do Curso

🎯 Altamente Prático

• Oferece funcionalidade de demonstração em tempo real, permitindo que os alunos experimentem diretamente a capacidade de transcrição de fala do modelo.
• Inclui uma grande quantidade de exercícios práticos e projetos.
• Desenvolvido com base em modelos pré-treinados poderosos.

📚 Aprendizagem Sistemática

• Compreensão aprofundada das particularidades do processamento de dados de áudio.
• Estudo de diferentes arquiteturas Transformer.
• Treinamento de seus próprios modelos Transformer de áudio.

🆓 Totalmente Gratuito

• 100% gratuito, público e de código aberto.
• Todos os materiais de estudo são de livre acesso.

Equipe do Curso

Sanchit Gandhi

• Engenheiro de Pesquisa em Machine Learning na Hugging Face
• Focado em reconhecimento automático de fala e tradução
• Dedicado a tornar os modelos de fala mais rápidos, leves e fáceis de usar

Matthijs Hollemans

• Engenheiro de Machine Learning na Hugging Face
• Autor de livros relacionados a sintetizadores de áudio
• Desenvolvedor de plugins de áudio

Maria Khalusova

• Líder de Documentação e Cursos na Hugging Face
• Especializada na criação de conteúdo educacional e documentação
• Habilidosa em simplificar conceitos técnicos complexos

Vaibhav Srivastav

• Engenheiro de Defesa de Desenvolvedores de ML na Hugging Face
• Pesquisa tecnologia de texto para fala com poucos recursos
• Dedicado a popularizar a pesquisa de ponta em fala

Estrutura do Curso

Unidade 1: Fundamentos de Dados de Áudio

• Aprender as particularidades do processamento de dados de áudio
• Técnicas de processamento de áudio e preparação de dados

Unidade 2: Introdução a Aplicações de Áudio

• Compreender cenários de aplicação de áudio
• Aprender a usar os pipelines 🤗 Transformers
• Praticar tarefas de classificação de áudio e reconhecimento de fala

Unidade 3: Exploração da Arquitetura Transformer

• Aprofundar o conhecimento sobre as arquiteturas Transformer de áudio
• Aprender as diferenças e cenários de aplicação de diferentes arquiteturas

Unidade 4: Classificador de Gêneros Musicais

• Construir seu próprio classificador de gêneros musicais
• Praticar o desenvolvimento de projetos

Unidade 5: Deep Learning para Reconhecimento de Fala

• Aprofundar a pesquisa em tecnologia de reconhecimento de fala
• Construir um modelo de transcrição de gravações de reuniões

Unidade 6: Texto para Fala

• Aprender técnicas para gerar fala a partir de texto
• Implementar um sistema TTS

Unidade 7: Desenvolvimento de Aplicações Práticas

• Aprender a construir aplicações de áudio do mundo real
• Desenvolver soluções completas usando Transformers

Caminho de Aprendizagem e Certificação

Flexibilidade do Curso

• Pode-se aprender no próprio ritmo
• Sugere-se seguir a ordem das unidades
• Testes são fornecidos para verificar o progresso da aprendizagem

Opções de Certificação

Certificado de Conclusão (Certificate of completion)

• Requisito: Concluir 80% dos exercícios práticos

Certificado de Honra (Certificate of honors)

• Requisito: Concluir 100% dos exercícios práticos

Pré-requisitos

Conhecimentos Necessários

• Conhecimentos básicos de Deep Learning
• Compreensão fundamental de Transformers

Conhecimentos Não Necessários

• Não é necessário conhecimento especializado em processamento de dados de áudio
• Para complementar o conhecimento sobre Transformers, consulte o Curso de PNL

Cronograma de Lançamento

Unidade	Data de Lançamento
Unidade 0, Unidade 1, Unidade 2	14 de junho de 2023
Unidade 3, Unidade 4	21 de junho de 2023
Unidade 5	28 de junho de 2023
Unidade 6	5 de julho de 2023
Unidade 7, Unidade 8	12 de julho de 2023

Pilha Tecnológica

Ferramentas Principais

• Biblioteca 🤗 Transformers
• 🤗 Datasets
• 🤗 Tokenizers
• 🤗 Accelerate
• Hugging Face Hub

Tecnologias Abrangidas

• Uso de modelos pré-treinados
• Pré-processamento de dados de áudio
• Ajuste fino e treinamento de modelos
• Processamento de áudio em tempo real
• Extração de características de áudio

Resultados de Aprendizagem

Ao concluir este curso, os alunos terão:

1. Base Teórica Sólida: Compreensão aprofundada dos princípios de aplicação dos Transformers no domínio do áudio.
2. Habilidades Práticas: Capacidade de lidar com várias tarefas relacionadas ao áudio.
3. Experiência em Projetos: Conclusão de múltiplos projetos práticos, incluindo classificadores, sistemas de reconhecimento, etc.
4. Capacidade de Engenharia: Habilidade para construir e implantar aplicações de processamento de áudio.

Contribuição de Código Aberto

Este curso é totalmente de código aberto, hospedado no GitHub, e contribuições e traduções da comunidade são bem-vindas. Os materiais do curso podem ser encontrados no repositório do GitHub.

Público-Alvo

• Profissionais de deep learning interessados em processamento de áudio
• Pesquisadores que desejam aplicar Transformers no domínio do áudio
• Desenvolvedores que precisam construir aplicações relacionadas a áudio
• Alunos interessados em tecnologias como reconhecimento de fala e classificação de áudio