Plataforma web para una IA generadora de melodías musicales
Notice bibliographique
Résumé
[ES] Este proyecto consiste en el desarrollo e implementación de una plataforma web diseñada para dar acceso al usuario a una IA generadora de melodías musicales. A pesar de que este proyecto se presente como un trabajo académico, tiene también una proyección comercial, ya que la plataforma web desarrollada permite acceder a los diversos proyectos de IA desarrollados en el Laboratorio Quosséça. Este laboratorio, el cual es dirigido por el profesor Gilles Pesant, se encuentra en la Universidad Politécnica de Montreal (Canadá), y está especializado en IA y programación mediante restricciones. \n \nEn el laboratorio existían diversos proyectos enfocados en la generación de melodías musicales mediante algoritmos de IA, pero no tenían alcance a un público general, quedándose recluidos en el ámbito académico. Así nació la necesidad de crear una plataforma web desde la que cualquier usuario externo pudiese acceder a estos proyectos, pudiese entrenar el algoritmo seleccionado con sus propios ficheros MIDI, pudiese seleccionar las restricciones a aplicar a la futura melodía generada y posteriormente reproducirla. \n \nLa metodología empleada para el desarrollo de la plataforma web ha sido una metodología en cascada. El frontend de la plataforma se ha desarrollado en HTML, CSS, el framework Bootstrap y JavaScript. El backend relacionado con la lógica de la plataforma se ha realizado mediante el framework Flask y Python, mientras que el correspondiente al almacenamiento de datos se ha realizado mediante el framework .NET de C# (creación de una API REST). \n \nComo resultado final, se ha logrado crear una plataforma web responsive dotada de todas las funcionalidades necesarias posibles para generar melodías musicales a través de los proyectos desarrollados en el Laboratorio Quosséça.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».