Mudanças entre as edições de "Aplicação dos Conceitos de Engenharia de Aprendizado de Máquina em Produção em um Sistema de Detecção de Anomalias"

De MediaWiki do Campus São José
Ir para navegação Ir para pesquisar
Linha 1: Linha 1:
 
<center>
 
<center>
−
;APLICAÇÃO DOS CONCEITOS DE ENGENHARIA DE APRENDIZADO DE MÁQUINA EM PRODUÇÃO EM UM SISTEMA DE DETECÇÃO DE ANOMALIA
+
;FONPSNR: PROPOSTA DE MÉTRICA OBJETIVA PARA AVALIAÇÃO DE QUALIDADE DE ÁUDIO
  
−
: André Luiz Faraco Mazucheli 1
+
: Luísa Machado 1
−
: Mário de Noronha Neto 2
+
: Marcos Moecke 2
 +
: Roberto Wanderley da Nóbrega 3
 
<!--
 
<!--
 
: Trabalho realizado como parte das atividades da disciplina TCC29010
 
: Trabalho realizado como parte das atividades da disciplina TCC29010
Linha 9: Linha 10:
 
: 1 Estudante do Curso de Engenharia de Telecomunicações do Campus São José do IFSC
 
: 1 Estudante do Curso de Engenharia de Telecomunicações do Campus São José do IFSC
 
: 2 Professor orientador do Curso de Engenharia de Telecomunicações do Campus São José do IFSC
 
: 2 Professor orientador do Curso de Engenharia de Telecomunicações do Campus São José do IFSC
 +
: 3 Professor orientador do Curso de Engenharia de Telecomunicações do Campus São José do IFSC
 
</center>
 
</center>
  
−
;Resumo:  O avanço da tecnologia, especialmente no campo de Machine Learning, tem impulsionado a aplicação de modelos de aprendizado de máquina em cenários reais. No entanto, a transição de um modelo funcional de um ambiente de desenvolvimento, como o Jupyter Notebook, para um ambiente de produção enfrenta desafios como escalabilidade, segurança, eficiência operacional e manutenção contínua. Essa discrepância entre o desenvolvimento e a produção destaca a necessidade de uma abordagem mais estruturada para a implantação e operação desses sistemas em produção. Este trabalho tem como objetivo aplicar conceitos de engenharia de aprendizado de máquina em produção, para orientar a elaboração, implantação e manutenção contínua desses sistemas em produção. O foco está em explorar cada etapa do ciclo de vida desses sistemas, definindo boas práticas e ferramentas para auxiliar no processo.
+
;Resumo:  Uma das etapas mais importantes antes de realizar a transmissão ou o armazenamento de um arquivo é a compressão deste, pois com essa etapa é possível otimizar recursos, como o tempo de transmissão e o uso de memória no armazenamento. Um áudio é uma
 +
informação muito sensível, na qual o tipo de codificação pode comprometer totalmente a qualidade do arquivo. Mensurar a qualidade de arquivos de áudio é uma tarefa bastante complexa, a métrica mais aceita atualmente é a MOS, uma métrica subjetiva com alto custo de aplicação. O objetivo do trabalho é propor e analisar uma métrica objetiva que incorpore um filtro ponderado por uma curva isofônica antes do cálculo da relação sinal-ruído de pico (PSNR), levando em conta os aspectos psicoacústicos da percepção auditiva humana na avaliação da qualidade de áudio.
  
−
;Palavras-chave: MLOps. Machine Learning. Engenharia de dados.
+
;Palavras-chave: Qualidade de áudio. Codificação de áudio. Codec. Vorbis. Opus.
  
−
;Abstract: With the advancement of technology, especially in the field of Machine Learning, the application of machine learning models in real-world scenarios has become increasingly common. However, the transition from a functional model in a development environment, such as Jupyter Notebook, to a production environment faces challenges such as scalability, security, operational efficiency, and continuous maintenance. This discrepancy between development and production highlights the need for a more structured approach to deploying and operating these systems in production. This work aims to apply concepts of machine learning engineering in production, to guide the development, deployment, and continuous maintenance of these systems in production. The focus is on exploring each stage of the life cycle of these systems, defining best practices and tools to assist in the process.
+
;Abstract: One of the most important steps before transmitting or storing a file is compressing it, because with this step it is possible to optimize resources, such as transmission time and memory usage in storage. Audio is very sensitive information, in which the type of encoding can completely compromise the quality of the file. Measuring the quality of audio files is a very complex task, the most accepted metric currently is MOS, a subjective metric with high application costs. The objective of the work is to propose and analyze an objective metric that incorporates a filter weighted by an isophonic curve before calculating
 +
the peak signal-to-noise ratio (PSNR), taking into account the psychoacoustic aspects of human auditory perception in the quality assessment audio.
  
−
;Keywords: MLOps. Machine Learning. Data Engineering.
+
;Keywords: Audio quality. Audio coding. Codec. Vorbis. Opus.
  
 
;Arquivos do TCC:
 
;Arquivos do TCC:
−
* [[Media: TCC1Resumo_expandido_ANDRE_LUIZ_FARACO_MAZUCHELI.pdf| Resumo Expandido.pdf]]
+
* [[Media: TCC1Resumo_expandido_LUIZA_MACHADO.pdf| Resumo Expandido.pdf]]
−
* [[Media: Projeto_de_TCC_ANDRE_LUIZ_FARACO_MAZUCHELI.pdf|Projeto de TCC.pdf]]
+
* [[Media: Projeto_de_TCC_LUISA_MACHADO.pdf|Projeto de TCC.pdf]]
−
* [[Media: TCC_ANDRE_LUIZ_FARACO_MAZUCHELI.pdf|Monografia.pdf]]
+
* [[Media: TCC_LUISA_MACHADO.pdf|Monografia.pdf]]
  
 
[[Categoria: TCC]]
 
[[Categoria: TCC]]

Edição das 16h35min de 5 de março de 2024

FONPSNR
PROPOSTA DE MÉTRICA OBJETIVA PARA AVALIAÇÃO DE QUALIDADE DE ÁUDIO
Luísa Machado 1
Marcos Moecke 2
Roberto Wanderley da Nóbrega 3
1 Estudante do Curso de Engenharia de Telecomunicações do Campus São José do IFSC
2 Professor orientador do Curso de Engenharia de Telecomunicações do Campus São José do IFSC
3 Professor orientador do Curso de Engenharia de Telecomunicações do Campus São José do IFSC
Resumo
Uma das etapas mais importantes antes de realizar a transmissão ou o armazenamento de um arquivo é a compressão deste, pois com essa etapa é possível otimizar recursos, como o tempo de transmissão e o uso de memória no armazenamento. Um áudio é uma

informação muito sensível, na qual o tipo de codificação pode comprometer totalmente a qualidade do arquivo. Mensurar a qualidade de arquivos de áudio é uma tarefa bastante complexa, a métrica mais aceita atualmente é a MOS, uma métrica subjetiva com alto custo de aplicação. O objetivo do trabalho é propor e analisar uma métrica objetiva que incorpore um filtro ponderado por uma curva isofônica antes do cálculo da relação sinal-ruído de pico (PSNR), levando em conta os aspectos psicoacústicos da percepção auditiva humana na avaliação da qualidade de áudio.

Palavras-chave
Qualidade de áudio. Codificação de áudio. Codec. Vorbis. Opus.
Abstract
One of the most important steps before transmitting or storing a file is compressing it, because with this step it is possible to optimize resources, such as transmission time and memory usage in storage. Audio is very sensitive information, in which the type of encoding can completely compromise the quality of the file. Measuring the quality of audio files is a very complex task, the most accepted metric currently is MOS, a subjective metric with high application costs. The objective of the work is to propose and analyze an objective metric that incorporates a filter weighted by an isophonic curve before calculating

the peak signal-to-noise ratio (PSNR), taking into account the psychoacoustic aspects of human auditory perception in the quality assessment audio.

Keywords
Audio quality. Audio coding. Codec. Vorbis. Opus.
Arquivos do TCC
Disponível em “https://wiki.sj.ifsc.edu.br/index.php?title=Aplicação_dos_Conceitos_de_Engenharia_de_Aprendizado_de_Máquina_em_Produção_em_um_Sistema_de_Detecção_de_Anomalias&oldid=193749”