課程描述

資料科學廣泛應用在許多領域，並逐漸影響人們每日生活中的各個層面。以音樂為例，除了利用分類與推薦技術，將產品準確投放給目標客群之外，更可於上市之前先行預測新作品的銷售量。另一方面，提供自動作曲服務及產品的公司，在國內外如雨後春筍般出現，電玩遊戲也開始採用即時自動配樂。然而，目前仍普遍缺乏能與資料科學家和資訊工程師有效溝通的音樂人才。本課程首先將介紹資料科學中的大數據、機器學習、人工智慧等基本原理，以及音樂資訊檢索。接著，再帶領學生利用 Python 程式語言的 music21 函式庫，分析開放式資料集，實作基礎計算音樂分析，理解資料科學的運作原理與初步成效。本課程採用普羅大眾皆可合法免費下載安裝的跨平臺自由軟體，以利永續發展與推廣。

課程進度

1. Mid-Autumn Festival (no class)

2. orientation

3. data science

4. features

5. representations (2019-10-05 Saturday)

6. data sets

7. music information retrieval (MIR)

8. basic Python programming (1) (劉家宏)

9. midterm presentations: representations or data sets

10. deep learning: fundamentals and applications (彭彥璁)

11. basic Python programming (2) (劉家宏)

12. basic Python programming (3) (劉家宏)

13. music21—a computational musicology toolkit in Python

14. data engineering and affective content analysis of music emotion (徐嘉連)

15. AI in music information retrieval: recent developments (蘇黎)

16. music21 objects and operations

17. computational music analysis

18. final presentations: computational analyses of symbolic data sets

外聘講座

• 劉家宏：Synopsys（新思科技）臺灣分公司編譯器開發部研發工程師

• 彭彥璁：國立政治大學資訊科學系助理教授

• 徐嘉連：輔仁大學資訊工程學系副教授兼系主任

• 蘇黎：中央研究院資訊科學研究所助研究員

參考資料

• A. Croll, Music Science: How Data and Digital Content Are Changing Music. Sebastopol, CA: O’Reilly Media, 2015.

• M. Müller, Fundamentals of Music Processing: Audio, Analysis, Algorithms, Applications. Cham: Springer, 2015.

• D. Meredith, Ed., Computational Music Analysis. Cham: Springer, 2016.

• M. Kassler, “Toward Musical Information Retrieval,” Perspectives of New Music, vol. 4, no. 2, pp. 59–67, 1966.

• W. B. Hewlett and E. Selfridge-Field, Eds., Melodic Similarity: Concepts, Procedures, and Applications. Cambridge, MA: The MIT Press, 1998.

• M. Leman, Ed., Music, Gestalt, and Computing: Studies in Cognitive and Systematic Musicology. Berlin: Springer-Verlag, 1997.

• Z. W. Ras and A. A. Wieczorkowska, Eds., Advances in Music Information Retrieval. Berlin: Springer-Verlag, 2010.

• J. V. Guttag, Introduction to Computation and Programming Using Python: With Application to Understanding Data, 2nd ed. Cambridge, MA: The MIT Press, 2016.

延伸課程

• Studies in Western Music History: Quantitative and Computational Approaches to Music History, Department of Music and Theater Arts, Massachusetts Institute of Technology.

• Music Signal Processing, Department of Electrical Engineering, Columbia University.

• Audio Signal Processing for Music Application, Coursera.

• 音樂訊號分析與檢索，國立臺灣大學資訊網路與多媒體研究所。

• 音樂資訊檢索，國立清華大學資訊工程學系。

• 人工智慧與音樂導論，國立清華大學資訊系統與應用研究所。

• 數位音樂訊號分析，國立成功大學資訊工程學系。

相關課程

• AI For Everyone, Coursera.

• Machine Learning for Musicians and Artists, Kadenze.

• Introduction to Deep Learning, Department of Electrical Engineering and Computer Science, Massachusetts Institute of Technology.

• 資料科學導論，國立臺南藝術大學高階藝術管理碩士在職學位學程。

• 資料科學家，輔仁大學統計資訊學系。

• 基礎統計，國立臺南藝術大學應用音樂學系。

• 專題（四）：當代音樂科技發展，臺南應用科技大學音樂系。

• 互動音樂程式設計與創作，國立暨南國際大學資訊工程學系。 

• 音樂程式設計，國立暨南國際大學資訊工程學系。

• 和 AI 做朋友，教育部 AI 人才培育計畫：中小學推廣教育計畫。

• 貓都學得會的運算思維，教育部推動大學程式設計教學計劃。

• 資料科學、機器、人

課堂規範

• 請攜帶電量充足的智慧型手機，預先設定好在教室內的網路連線，並將所有鈴聲轉為靜音，以備課堂活動使用。

• 第 08–16 週請攜帶筆記型電腦與電源線，以便練習實作，Windows、macOS、Linux作業系統皆可。

• 口頭報告採用單盲制同儕審查，並將公告審查結果之平均值與去識別化之評語，以促進互相觀摩和意見交流。報告者須於書面檔案中回覆，並參考建議修改內容。

• 期末結束後，將公告全班成績合併計算之統計值和級距分布。

• 本課程實錄將上傳教育部指定之典藏網站供大眾自學，包含但不限於錄音、錄影、書面、學生作品等電子檔。

• 本課程若遇國定假日或授課教師請假，將以非同步方式線上補課。

• 本校宣導加註警語：「遵守智慧財產權觀念」、「不得不法影印」。

意見回饋

歡迎同學於課堂上向老師提問與建議，若有其它顧慮，可填寫此回饋單。由於開放匿名填報，因此未必能夠直接回覆，但是會將提問的答案整合至授課內容當中，並參考多方建議調整教學方式。

晤談時間（office hour）

請事先預約，時段以星期五第 10–14 節為宜，每次一節課以內。