Feature merupakan hasil ekstraksi data menjadi bentuk lain yang memuat ciri atau karakteristik dari data tersebut. Low level feature dapat diartikan sebagai hasil ekstraksi data yang berisikan detail informasi yang tidak banyak (minor). Ekstraksi fitur umumnya dilakukan supaya data tersebut dapat diolah.
Share Kelas Ini :
Informasi Umum
Pada materi ini kita akan mempelajari tentang fitur suara level rendah seperti Zero Crossing Rate, RMSEE, Spectral Centroid, MFCC, dan juga akan membahas Visualisasi Feature. Fitur-fitur ini akan anda gunakan dalam mengolah suara. Memahami Low Level Speech Feature merupakan salah satu bagian dalam Data Science atau Artificial Intelligence dalam data speech.
Target Pembelajaran
1. Peserta mampu memahami konsep low level feature
2. Peserta mampu memahami dan mengimplementasikan ekstraksi fitur data suara ke fitur yang terdapat dalam low level speech feature
3. Peserta mampu melakukan visualisasi dari low level speech feature
Spesifikasi
1. Komputer / laptop yang ter-install python
2. Dapat juga menggunakan komputer/laptop yang memiliki koneksi internet dan dapat mengakses Google Colaboratory
Kriteria Kelulusan
Peserta diwajibkan untuk mengambil kuis dari setiap silabus yang ada di course. Tugas akhir dapat diakses jika peserta telah menyelesaikan kuis di setiap silabus dengan nilai yang memenuhi kriteria ketuntasan minimal (KKM) yaitu 70. Setelah peserta menyelesaikan kuis dan tugas akhir, maka peserta akan mendapatkan sertifikat.
Skema Penilaian
A. Kuis (80%)
Soal kuis di setiap silabus terdiri dari soal-soal pilihan ganda yang harus dijawab oleh peserta. Nilai kuis dapat diperoleh jika peserta dapat menyelesaikan kuis di setiap silabus dengan sempurna. Nilai kuis setiap silabus akan diakumulasikan sebanyak 10 %.
B. Tugas akhir (20%)
Tugas akhir terdiri dari satu soal analisis yang diambil dari silabus. Nilai tugas akhir dapat diperoleh jika peserta berhasil menyelesaikan tugas akhir dengan baik.
Detail Course
-
Penyusun Materi
BISA AI Academy
-
Harga Course
FREE
Pemula
2.5 Jam
433 Siswa
5 Modul
4.6
