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.
En la Sesion 4 del Proyecto Laennec, el alumnado entrena un Random Forest sobre los 13 coeficientes MFCC de cada sonido cardiaco, comprueba si mejora la deteccion de la extrasistole respecto al arbol unico, y descubre con feature importances que coeficiente MFCC pesa mas para distinguir un murmullo de un latido normal.
En la Sesion 2 del Proyecto Laennec, el alumnado convierte cada sonido cardiaco en 13 coeficientes MFCC con librosa, construye la tabla de datos localizando los archivos reales con glob, reparte los datos con train_test_split y stratify, y entrena su primer arbol de decision sobre audio.