Notebooks executables sobre aprendizaxe automática con audio. Todos funcionan na CPU dun portátil con datos sintéticos e están pensados para reutilizarse en proxectos reais.
T1 · Duración: under 1 min on CPU
Constrúe paso a paso en NumPy os dous trazos clásicos da fala, segue un fotograma de voz real a través de ambos pipelines e observa que lles fai o ruído. O front end que usaba todo recoñecedor antes do deep learning, e o tema do meu primeiro artigo.
T2 · Duración: about 9 min on CPU
Un ciclo completo e reproducible de fine-tuning de Whisper sobre voz real, con validación cruzada agrupada, pruning con Optuna, runs aniñados en MLflow e un test bloqueado, que remata nunha decisión explícita fronte a un baseline zero-shot.
T3 · Duración: about 4 min on CPU
Conxela Whisper, inxecta adaptadores LoRA nos puntos axeitados e adestra menos do 2% dos parámetros, xa sexa para un clasificador de extremo a extremo ou para obter embeddings que alimenten o teu propio clasificador.
T4 · Duración: about 6–9 min on CPU
Abre un guard de seguridade na CPU dun portátil: le o seu veredicto como probabilidade, mira como se forma a decisión capa a capa e comproba por que un guard de contido daniño deixa pasar a inxección agochada en documentos.