160015 UE Analysis of Audio and Listening Experiment Data in Python (2023W)
Continuous assessment of course work
Labels
Registration/Deregistration
Note: The time of your registration within the registration period has no effect on the allocation of places (no first come, first served).
- Registration is open from Tu 05.09.2023 09:00 to Tu 19.09.2023 12:00
- Registration is open from We 20.09.2023 09:00 to Mo 25.09.2023 12:00
- Deregistration possible until Su 15.10.2023 12:00
Details
max. 30 participants
Language: German
Lecturers
Classes (iCal) - next class is marked with N
- Monday 02.10. 15:00 - 16:30 Hörsaal 2 Musikwissenschaft UniCampus Hof 9, 3G-EG-01
- Monday 09.10. 15:00 - 18:15 Hörsaal 2 Musikwissenschaft UniCampus Hof 9, 3G-EG-01
- Monday 23.10. 15:00 - 18:15 Hörsaal 2 Musikwissenschaft UniCampus Hof 9, 3G-EG-01
- Monday 06.11. 15:00 - 18:15 Hörsaal 2 Musikwissenschaft UniCampus Hof 9, 3G-EG-01
- Monday 20.11. 15:00 - 18:15 Hörsaal 2 Musikwissenschaft UniCampus Hof 9, 3G-EG-01
- Monday 04.12. 15:00 - 18:15 Hörsaal 2 Musikwissenschaft UniCampus Hof 9, 3G-EG-01
- Monday 08.01. 15:00 - 18:15 Hörsaal 2 Musikwissenschaft UniCampus Hof 9, 3G-EG-01
- Monday 22.01. 15:00 - 18:15 Hörsaal 2 Musikwissenschaft UniCampus Hof 9, 3G-EG-01
Information
Aims, contents and method of the course
Assessment and permitted materials
Die Leistungskontrolle erfolgt auf Basis regelmäßiger Hausübungen und einem schriftlichen Übungstest (ohne Hilfsmittel).
Minimum requirements and assessment criteria
Regelmäßige Anwesenheit und aktive Mitarbeit (auf einem eigenem Laptop) in den Übungseinheiten wird vorausgesetzt. Die Gesamtnote setzt sich aus der Beurteilung der Hausübungen sowie dem schriftlichen Übungstest zusammen.
Examination topics
Stoff sind die in den Übungseinheiten praktisch behandelten Themen (s.o.). Nähere Details werden zu den jeweiligen Hausübungen bzw. vor dem Test erläutert.
Reading list
Baur, N., & Blasius, J. (Eds.). (2014). Handbuch Methoden der empirischen Sozialforschung. Wiesbaden: Springer VS.Bogdanov, D., Wack, N., Gómez Gutiérrez, E., Gulati, S., Boyer, H., Mayor, O., Roma, G., Salamon, J., Zapata, J. & Serra, X. (2013). Essentia: An audio analysis library for music information retrieval. In Britto A, Gouyon F, Dixon S, editors. 14th Conference of the International Society for Music Information Retrieval (ISMIR), 2013 Nov 4-8; Curitiba, Brazil, p. 493-8.Bortz, J. & Döring, N. (2002). Forschungsmethoden und Evaluation. Berlin: SpringerMcFee, B., Raffel, C., Liang, D., Ellis, D. P., McVicar, M., Battenberg, E., & Nieto, O. (2015). librosa: Audio and music signal analysis in python. In Proceedings of the 14th python in science conference (Vol. 8, pp. 18-25).Molin, S., & Jee, K. (2021). Hands-On Data Analysis with Pandas: A Python data science handbook for data collection, wrangling, analysis, and visualization. Packt Publishing Ltd.Nelli, F. (2015). Python data analytics: Data analysis and science using PANDAs, Matplotlib and the Python Programming Language. Apress.Virtanen, P., Gommers, R., Oliphant, T. E., Haberland, M., Reddy, T., Cournapeau, D., ... & Van Mulbregt, P. (2020). SciPy 1.0: fundamental algorithms for scientific computing in Python. Nature methods, 17(3), 261-272.
Association in the course directory
BA: SYS-V, INT, FRE
MA (2008): M02, M03, M05, M09, M17
MA (2022): E.SYS, H.SYS, S.SYS
MA (2008): M02, M03, M05, M09, M17
MA (2022): E.SYS, H.SYS, S.SYS
Last modified: Mo 25.09.2023 16:27
* Einführung in Python als Werkzeug für Datenauswertungen
* Erstellung von (Online-)Hörversuchen mittels LimeSurvey
* Verfahren und Tools zur Extraktion von Merkmalen aus Audiosignalen
* Deskriptive Auswertung und Visualisierung der Klangdaten
* Durchführung statistischer Testverfahren in Python
* Modellierung und Grundlagen des Machine LearningsDie Übung kann damit insbesondere als vertiefende Begleitveranstaltung zum - terminlich im Wechsel angebotenen - Seminar "Musikpsychologische Wahrnehmungsdimensionen - Empirische Datenerhebung und Klanganalyse" dienen. Alternativ kann die Übung aber (auch von Bachelor-Studierenden) für sich alleine besucht werden und dabei insbesondere als eine methodische Vorbereitung für selbstständige Projekte oder potenzielle Abschlussarbeiten dienen, in denen Sie mit empirischen Daten arbeiten möchten (u.a. aus dem Bereich der Musikpsychologie, musikalischen Akustik oder Musikinformatik).