講義一覧

音楽生成するAI機械学習ライブラリーMagentaの環境構築から生成実践、独自モデル作成までを徹底解説

講義内容

1・音楽機械学習ライブラリーMagenta
音楽機械学習ライブラリーMagentaの環境構築と使用方法を徹底解説

２・音楽データ学習
自身の音楽データを学習させる方法を解説

３・機械学習プログラム独自モデル作成実践
Magentaライブラリーを使用し機械学習の音楽独自モデル作成方法を学ぶ

講義詳細

音楽ストリーミングサービス配信チャートやデータを取得およびPythonのライブラリーを使用し音楽データをグラフ表示、Scikit-Learnで音楽分析するAIを作成する

講義内容

1・音楽ストリーミングサービスのデータ収集とトレンド分析方法
音楽配信データ収集と各データ項目の意味を学び音楽トレンドを分析する方法を学ぶ

２・Pythonの各データサイエンス用ライブラリーの解説
データサイエンスに必須のnumpyやpandasから、MatplotlibやSeabornなどのグラフ描画まで、各Pythonライブラリーのインポート方法、使用方法を解説

３・音楽分析AI（Scikit-Learn機械学習）の開発方法
Scikit-Learn（機械学習ライブラリ）を使用し、取得した音楽データから音楽トレンド分類、ヒット予測をするAIの開発

講義詳細

ゼロからPythonの基礎を学び、音楽ライブラリーやモジュールを活用。シンセプログラムを作成しPythonを駆使する能力を身につける。加えてAI音楽プログラミングの基礎となる機械学習ライブラリも解説

講義内容

1・Pythonプログラミング基礎
ゼロから基礎を学び自分でプログラミングできる基礎を身につける

２・機械学習ライブラリのインストールと使用方法
各種Python機械学習ライブラリのインストールと使用方法を解説。AI音楽生成や音楽データサイエンスの基礎を身につける

３・Pythonでシンセサイザー作成
Pythonで音楽ライブラリやグラフィックライブラリを使用し、シンセサイザーを作成する

講義詳細

音楽生成に使用されるニューラルネットワーク”RNN”を基礎から解説。その仕組みを知り自身で実装できる知識を身につける

講義内容

1・RNNの概要解説
RNNの基本を代表的使用例である自然言語処理を取り上げ解説

２・機械学習用数学
自身でニューラルネットワークの構造を理解し実装するために微分や活性化関数などの数学を噛み砕きわかりやすく解説

３・PythonプログラミングTensorFlow、Kerasで実装
Pythonの機械学習ライブラリであるTenosrFlow、Kerasを使用し自身でゼロから実装する

講義詳細

機械学習、ディープラーニングのライブラリーの中から最大シェアを誇るTensorFlowとその高レベルAPIであるKerasを徹底解説

講義内容

1・TensorFlow解説
TensorFlowの概要と各API、モジュールをオーディオ関連も含め解説

２・Keras解説
Kerasの概要を解説。活性化関数や評価関数、ニューラルネットワークや各モデル実装の方法を学ぶ

３・ニューラルネットワークの作成
TenosrFlow、Keras双方を使用しCNNやRNNなどニューラルネットワークの作成

講義詳細

音楽生成ニューラルネットワークをTensorFlow、Kerasを使用しゼロから自身でコードを書いて実装

講義内容

1・音楽生成ニューラルネットワーク概要解説
ゼロから作る音楽生成ニューラルネットワークのアルゴリズムから全体のコード、プログラム構成を解説

２・音楽生成アルゴリムの数学
生成アルゴリズムの必要な数学の解説とその実装

３・TensorFlow、Kerasで実装
TenosrFlow、Kerasを使用し自身でゼロから実装する

講義詳細

Python音楽生成ライブラリの一つであるMuseGANやAIシンセサイザーGAN Synthを使用しGAN（敵対的生成ネットワーク）とGANとその音楽応用を解説

講義内容

1・Gan解説
GAN（敵対的生成ネットワーク）とはどんなものなのか仕組みと実装の概要を解説。

２・MuseGan実装とコーディング
MuseGanのコードを実際に自身で記述し実装してみる

３・MuseGanとGAN Synth音楽生成
MuseGanとGAN Synthの実践を行い、どんなアルゴリズムなのかを解説

講義詳細

デジタル時代に向け論理的に体系化。ポップミュージックに加えてモードなどのジャズ理論から現代音楽の解説を加え高度なデジタル音楽作曲を実現。AI音楽生成の基礎とする

講義内容

1・音楽理論の基礎
コードやスケールなどの音楽の基礎をデジタル音楽用に数値化し身につける

２・歌モノのための詩とメロディーの関係の研究
人の心を動かす音楽の研究のために詩とメロディーについてもマニアックかつ詳細に解説

３・ジャズ理論や現代音楽までを高度に網羅
モードや複雑なコードの理論、電子音楽における現代音楽の解説までを網羅し高度な知識取得を実現します。

講義詳細

主に画像認識で使用されオーディオ波形分析でも活用される”CNN”を基礎から解説。その仕組みを知り自身で実装できる知識を身につける

講義内容

1・CNNの概要解説
CNNの基本を代表的使用例である画像認識を取り上げ解説

２・機械学習用数学
自身でニューラルネットワークの構造を理解し実装するために微分や活性化関数などの数学を噛み砕きわかりやすく解説

３・Pythonプログラミングで実装
Pythonの機械学習ライブラリを使用し自身でゼロから実装する

講義詳細

AI音楽生成の可能性をとことん追求する。単なる既存音楽を再現する自動作曲ではなく過去に人間ではできなかった作曲手法や新たな表現方法の開拓を目指す

講義内容

1・AI音楽生成を現代音楽、電子音楽の観点から考察
ミニマル音楽、ミュージックコンクレート、１２音音階など、アカデミックな現代音楽をAIで進化させる

２・各アルゴリズムに適したデータ学習と生成の考察・解説
どのアルゴリムでどんな音楽生成が可能か？どんな音楽データが求められるか？を考察

３・各種音楽生成と作品にする実践的作業
実際に音楽生成を試み作品として表現する

講義詳細

音響工学の基礎を理解し、オーディオ分析を自身で行える事を目指す。Pythonの音響ライブラリLibrosaを使用してデータ取得＆グラフ表示までを行う

講義内容

1・音響工学の基礎
音響工学の基礎を理解。必要な三角関数、微分積分、フーリエ解析など数学も解説

２・Librosaを使用し音響データ取得＆グラフ表示
Pythonの音響ライブラリであるLibrosaを使用し各音響データを取得しグラフ表示

講義詳細

Librosaで取得したオーディオデータを音楽ジャンルごとに分類するニューラルネットワークをKerasを使用しスクラッチ（0から）実装・開発

講義内容

1・オーディオ分類ニューラルネットワーク概要解説
ゼロから作るオーディオ分類ニューラルネットワークのコード、プログラム構成を解説

２・Kerasで実装
Kerasを使用し自身でゼロから実装する

３・音楽分類の実践
作成したニューラルネットワーク で音楽ジャンル分類の実践

講義詳細