Primera sesión del Proyecto Karen Spärck Jones: comparación práctica en Python entre la búsqueda literal de palabras (BM25) y la búsqueda semántica por vectores de significado (embeddings), analizando y enfrentando sus resultados sobre el corpus real de AIDARAC mediante consola e interfaz web.
Sesion final del Proyecto Rachael Tatman: se entrena un Random Forest sobre las propiedades acusticas del dataset Gender Recognition by Voice, se leen la matriz de confusion y el classification_report, y se conecta el excelente resultado obtenido con la historia real de sesgo de genero en el reconocimiento de voz de Google que investigo Rachael Tatman en 2016.
Sesion 2 del Proyecto Rachael Tatman: analisis visual con boxplots de las propiedades acusticas meanfun y meanfreq para comprobar si separan bien las voces masculinas de las femeninas, y preparacion del reparto de entrenamiento y prueba con train_test_split.
Sesion 1 del Proyecto Rachael Tatman, centrado en el sesgo de genero en el reconocimiento de voz: presentacion de la investigadora Rachael Tatman y su hallazgo real sobre el reconocimiento de voz de Google, y carga del dataset Gender Recognition by Voice de Kaggle, ya balanceado y con las propiedades acusticas precalculadas.
Sesion final del Proyecto Florence Nightingale: se visualiza la evolucion mensual de muertes por enfermedad, heridas y otras causas durante la guerra de Crimea, se identifica el punto de inflexion tras la llegada de la Comision Sanitaria en 1855, y se reconstruye una version simplificada del famoso diagrama de la rosa de Nightingale con matplotlib en coordenadas polares.
Sesion 1 del Proyecto Florence Nightingale, un mini proyecto de solo dos sesiones centrado en visualizacion de datos en vez de clasificacion: presentacion de la pionera de la estadistica britanica y carga directa (sin descarga) de sus datos reales de mortalidad de la guerra de Crimea, con una primera comparacion simple entre muertes por enfermedad y por heridas de combate.
Sesion final del Proyecto Katy Payne: se entrena un Random Forest sobre los MFCC de gatos y perros, se lee la matriz de confusion 2×2 y el classification_report, y se comparan los resultados con los del Proyecto Laennec para mostrar como el desequilibrio y el numero de clases afectan al rendimiento de un modelo.
Sesion 2 del Proyecto Katy Payne: extraccion de caracteristicas MFCC con librosa, construccion de las tablas de entrenamiento y prueba a partir del reparto ya dado, y un vistazo visual simple con un boxplot para comprobar si las clases se distinguen antes de entrenar ningun modelo.
Sesion 1 del Proyecto Katy Payne, un ejercicio corto de dos clases bien equilibradas pensado como contraste mas sencillo tras el Proyecto Laennec: presentacion del dataset Audio Cats and Dogs de Kaggle, la historia de la zoologa Katy Payne y sus infrasonidos de elefantes, y descarga y carga del reparto ya hecho.
Sesion final del Proyecto Laennec: el alumnado escucha sonidos cardiacos reales y predice a oido antes de preguntarle al Random Forest, incluyendo una extrasistole real, y se repasa todo el recorrido del proyecto desde Rene Laennec y su estetoscopio de papel hasta la extraccion de caracteristicas MFCC.