課程描述

本課程為「音樂資料科學」兩學期系列之一，第一學期「音樂人工智慧」；第二學期「音樂資訊檢索」。當前的第三波人工智慧浪潮，為近代資料科學的具體成果，其以大數據為材料、以機器學習為處理方法，如今廣泛應用在許多領域，並逐漸影響生活中的各個層面。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。本課程前半學期首先介紹資料科學的簡要原理，並操作Orange探索性數據分析和交互式數據可視化軟體，來比較各種演算法。接著，加入音樂的低中高階特徵、音樂資料表示法、開放式音樂與音訊資料集等知識。後半學期，藉由Python通用型程式語言，透過TensorFlow Magenta人工智慧引擎、Google AI Hub互動式機器學習範例集，以及AIVA、Amper Music等網路服務，實際讓學生運用自動生成、輔助創作、即興演奏等音樂科技。

課程進度

1. orientation

2. big data

3. machine learning algorithms

4. artificial intelligence

5. Orange—open source machine learning and data visualization

6. music features

7. music representations

8. music data sets

9. midterm presentations: music representations or data sets

10. basic Python programming (1) (劉家宏)

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

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

13. TensorFlow Magenta and Google AI Hub

14. compositions by AI (楊乃潔)

15. composing with AI (楊乃潔)

16. improvising with AI (楊乃潔)

17. rehearsal of final presentations

18. final presentations: AI-aided compositions, performances, or sound installations

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

• 楊乃潔：藝起樂學館創辦人兼負責人

參考資料

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

• A. DuBreuil, Hands-On Music Generation with Magenta: Explore the Role of Deep Learning in Music Generation and Assisted Music Composition. Birmingham: Packt Publishing, 2020.

• J.-P. Briot, G. Hadjeres, and F.-D. Pachet, Deep Learning Techniques for Music Generation. Cham: Springer, 2019.

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

• B. D. Man, R. Stables, and J. D. Reiss, Intelligent Music Production. Abingdon: Routledge, 2019.

• J. V. Guttag, Introduction to Computation and Programming Using Python: With Application to Understanding Data, 3rd ed. Cambridge, MA: The MIT Press, 2021.

延伸課程

• 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.

• 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。

• 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。

• 和AI做朋友，教育部AI人才培育計畫：中小學推廣教育計畫。

• 資料科學、機器、人。

相關課程

• 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。

• 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。

• 當代音樂科技發展，國立臺南藝術大學通識教育中心。

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。

• 特定週次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。

• 學期結束後，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，每次一節課以內。