Análisis de modelos de clasificación para géneros musicales
RESUMEN : El impacto de la tecnología en el consumo del arte es un tema recurrente en todo el mundo. Una forma en la que ambas disciplinas pueden fusionarse es mediante la clasificación matemática de canciones en diferentes géneros musicales. Esto se logra empleando datos característicos de las canc...
- Autores:
-
Florez Quintero, Daniel
- Tipo de recurso:
- Tesis
- Fecha de publicación:
- 2023
- Institución:
- Universidad de Antioquia
- Repositorio:
- Repositorio UdeA
- Idioma:
- spa
- OAI Identifier:
- oai:bibliotecadigital.udea.edu.co:10495/37624
- Acceso en línea:
- https://hdl.handle.net/10495/37624
- Palabra clave:
- Clasificación (computadores electrónicos)
Sorting (electronic computers)
Procesamiento electrónico de datos
Electronic data processing
Inteligencia artificial
Artificial intelligence
Géneros musicales
Modelos clasificación
- Rights
- openAccess
- License
- Derechos reservados - Está prohibida la reproducción parcial o total de esta publicación
| id |
UDEA2_f61e6dab5f64c8abb3ae8908d84ea027 |
|---|---|
| oai_identifier_str |
oai:bibliotecadigital.udea.edu.co:10495/37624 |
| network_acronym_str |
UDEA2 |
| network_name_str |
Repositorio UdeA |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Análisis de modelos de clasificación para géneros musicales |
| title |
Análisis de modelos de clasificación para géneros musicales |
| spellingShingle |
Análisis de modelos de clasificación para géneros musicales Clasificación (computadores electrónicos) Sorting (electronic computers) Procesamiento electrónico de datos Electronic data processing Inteligencia artificial Artificial intelligence Géneros musicales Modelos clasificación |
| title_short |
Análisis de modelos de clasificación para géneros musicales |
| title_full |
Análisis de modelos de clasificación para géneros musicales |
| title_fullStr |
Análisis de modelos de clasificación para géneros musicales |
| title_full_unstemmed |
Análisis de modelos de clasificación para géneros musicales |
| title_sort |
Análisis de modelos de clasificación para géneros musicales |
| dc.creator.fl_str_mv |
Florez Quintero, Daniel |
| dc.contributor.advisor.none.fl_str_mv |
Serna Buitrago, Daniela |
| dc.contributor.author.none.fl_str_mv |
Florez Quintero, Daniel |
| dc.subject.lemb.none.fl_str_mv |
Clasificación (computadores electrónicos) Sorting (electronic computers) Procesamiento electrónico de datos Electronic data processing Inteligencia artificial Artificial intelligence |
| topic |
Clasificación (computadores electrónicos) Sorting (electronic computers) Procesamiento electrónico de datos Electronic data processing Inteligencia artificial Artificial intelligence Géneros musicales Modelos clasificación |
| dc.subject.proposal.spa.fl_str_mv |
Géneros musicales Modelos clasificación |
| description |
RESUMEN : El impacto de la tecnología en el consumo del arte es un tema recurrente en todo el mundo. Una forma en la que ambas disciplinas pueden fusionarse es mediante la clasificación matemática de canciones en diferentes géneros musicales. Esto se logra empleando datos característicos de las canciones llevados a números, los cuales se someten a diversos modelos de aprendizaje. El objetivo es encontrar el porcentaje más alto de predicciones precisas en comparación con un conjunto de canciones ya clasificadas. Los modelos desarrollados tienen también la intención de analizar diferentes aspectos técnicos como el tamaño de muestra, la forma de estandarizar y trabajar con diferentes tipos de datos. Este fascinante cruce entre lo cuantitativo y lo creativo muestra la capacidad de la tecnología para adentrarse en la complejidad de la expresión artística. De esta manera, la colaboración entre las ciencias de la computación y la música proporciona una oportunidad única para entender y apreciar la evolución de la experiencia musical en la era digital. |
| publishDate |
2023 |
| dc.date.accessioned.none.fl_str_mv |
2023-12-15T16:19:48Z |
| dc.date.available.none.fl_str_mv |
2023-12-15T16:19:48Z |
| dc.date.issued.none.fl_str_mv |
2023 |
| dc.type.spa.fl_str_mv |
Tesis/Trabajo de grado - Monografía - Especialización |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_46ec |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/COther |
| dc.type.coarversion.spa.fl_str_mv |
http://purl.org/coar/version/c_b1a7d7d4d402bcce |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/other |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/draft |
| format |
http://purl.org/coar/resource_type/c_46ec |
| status_str |
draft |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/10495/37624 |
| url |
https://hdl.handle.net/10495/37624 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.rights.uri.spa.fl_str_mv |
Derechos reservados - Está prohibida la reproducción parcial o total de esta publicación |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Derechos reservados - Está prohibida la reproducción parcial o total de esta publicación http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
40 |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad de Antioquia |
| dc.publisher.place.spa.fl_str_mv |
Medellín, Colombia |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería. Especialización en Analítica y Ciencia de Datos |
| institution |
Universidad de Antioquia |
| bitstream.url.fl_str_mv |
https://bibliotecadigital.udea.edu.co/bitstreams/2b8f82f1-26ff-499d-bda1-dddf2a1c532f/download https://bibliotecadigital.udea.edu.co/bitstreams/5ffbbca6-63ad-4dbd-b0d3-e867021db233/download https://bibliotecadigital.udea.edu.co/bitstreams/f62e5038-3f44-4ce1-ad41-e9a79f82dbcf/download https://bibliotecadigital.udea.edu.co/bitstreams/a834c74e-c563-4998-8aea-679e6c66406a/download https://bibliotecadigital.udea.edu.co/bitstreams/0bedf629-9898-48d8-af47-91fcc75d1852/download |
| bitstream.checksum.fl_str_mv |
6fcf56f260d445a173736e60c63ce553 fe7feff8c4378c49f0651f8ef9019848 8a4605be74aa9ea9d79846c1fba20a33 87be860f59d93addac0df84a5e724a8a 9ef99d8f03eaefedc4c6c1efc877e451 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional de la Universidad de Antioquia |
| repository.mail.fl_str_mv |
aplicacionbibliotecadigitalbiblioteca@udea.edu.co |
| _version_ |
1851052385198145536 |
| spelling |
Serna Buitrago, DanielaFlorez Quintero, Daniel2023-12-15T16:19:48Z2023-12-15T16:19:48Z2023https://hdl.handle.net/10495/37624RESUMEN : El impacto de la tecnología en el consumo del arte es un tema recurrente en todo el mundo. Una forma en la que ambas disciplinas pueden fusionarse es mediante la clasificación matemática de canciones en diferentes géneros musicales. Esto se logra empleando datos característicos de las canciones llevados a números, los cuales se someten a diversos modelos de aprendizaje. El objetivo es encontrar el porcentaje más alto de predicciones precisas en comparación con un conjunto de canciones ya clasificadas. Los modelos desarrollados tienen también la intención de analizar diferentes aspectos técnicos como el tamaño de muestra, la forma de estandarizar y trabajar con diferentes tipos de datos. Este fascinante cruce entre lo cuantitativo y lo creativo muestra la capacidad de la tecnología para adentrarse en la complejidad de la expresión artística. De esta manera, la colaboración entre las ciencias de la computación y la música proporciona una oportunidad única para entender y apreciar la evolución de la experiencia musical en la era digital.ABSTRACT : The impact of technology on art consumption is a recurring theme around the world. One way in which both disciplines can merge is by mathematically classifying songs into different musical genres. This is achieved using characteristic data of the songs translated into numbers, which are subjected to various learning models. The goal is to find the highest percentage of accurate predictions compared to a set of already classified songs. The models developed are also intended to analyze different technical aspects such as sample size, how to standardize and work with different types of data. This fascinating crossover between the quantitative and the creative shows the ability of technology to delve into the complexity of artistic expression. In this way, the collaboration between computer science and music provides a unique opportunity to understand and appreciate the evolution of the musical experience in the digital age.EspecializaciónEspecialista en Analítica y Ciencia de Datos40application/pdfspaUniversidad de AntioquiaMedellín, ColombiaFacultad de Ingeniería. Especialización en Analítica y Ciencia de DatosDerechos reservados - Está prohibida la reproducción parcial o total de esta publicacióninfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Análisis de modelos de clasificación para géneros musicalesTesis/Trabajo de grado - Monografía - Especializaciónhttp://purl.org/coar/resource_type/c_46echttp://purl.org/redcol/resource_type/COtherhttp://purl.org/coar/version/c_b1a7d7d4d402bcceinfo:eu-repo/semantics/otherinfo:eu-repo/semantics/draftClasificación (computadores electrónicos)Sorting (electronic computers)Procesamiento electrónico de datosElectronic data processingInteligencia artificialArtificial intelligenceGéneros musicalesModelos clasificaciónPublicationORIGINALFlorezDaniel_2023_ClasificacionGenerosMusicales.pdfFlorezDaniel_2023_ClasificacionGenerosMusicales.pdfTrabajo de grado de especializaciónapplication/pdf3238381https://bibliotecadigital.udea.edu.co/bitstreams/2b8f82f1-26ff-499d-bda1-dddf2a1c532f/download6fcf56f260d445a173736e60c63ce553MD56trueAnexos.zipAnexos.zipAnexosapplication/octet-stream10488434https://bibliotecadigital.udea.edu.co/bitstreams/5ffbbca6-63ad-4dbd-b0d3-e867021db233/downloadfe7feff8c4378c49f0651f8ef9019848MD54falseLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://bibliotecadigital.udea.edu.co/bitstreams/f62e5038-3f44-4ce1-ad41-e9a79f82dbcf/download8a4605be74aa9ea9d79846c1fba20a33MD55falseAnonymousREADTEXTFlorezDaniel_2023_ClasificacionGenerosMusicales.pdf.txtFlorezDaniel_2023_ClasificacionGenerosMusicales.pdf.txtExtracted texttext/plain41376https://bibliotecadigital.udea.edu.co/bitstreams/a834c74e-c563-4998-8aea-679e6c66406a/download87be860f59d93addac0df84a5e724a8aMD57falseTHUMBNAILFlorezDaniel_2023_ClasificacionGenerosMusicales.pdf.jpgFlorezDaniel_2023_ClasificacionGenerosMusicales.pdf.jpgGenerated Thumbnailimage/jpeg7496https://bibliotecadigital.udea.edu.co/bitstreams/0bedf629-9898-48d8-af47-91fcc75d1852/download9ef99d8f03eaefedc4c6c1efc877e451MD58false10495/37624oai:bibliotecadigital.udea.edu.co:10495/376242025-03-26 21:28:27.297Derechos reservados - Está prohibida la reproducción parcial o total de esta publicaciónrestrictedhttps://bibliotecadigital.udea.edu.coRepositorio Institucional de la Universidad de Antioquiaaplicacionbibliotecadigitalbiblioteca@udea.edu.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 |