Generative Models For Audio – prof. Danilo Comminiello

Data Science · Sapienza Università di Roma · 2º anno · 2º semestre · 6 CFU · a scelta (Gruppo opzionale D) · canale unico

Testi d'esame di Generative Models For Audio del prof. Danilo Comminiello, canale unico, corso di laurea in Data Science (Laurea magistrale (LM-Data)), Sapienza Università di Roma, 2º anno · 2º semestre · 6 CFU · a scelta (Gruppo opzionale D), a.a. 2026/2027. Libri adottati: [1] D; Modeling – 2nd; Song – The Principles of Diffusion Models; Learning – Teaching Machines to Paint.

Generative Models For Audio – Prof. Danilo Comminiello Canale unico

Il docente consiglia di frequentare

Corso di laurea: Data Science · Laurea magistrale (LM-Data) · 2º anno · 2º semestre · 6 CFU · a scelta (Gruppo opzionale D)

Sapienza · Ingegneria dell'informazione, informatica e statistica · 6 CFU · apri nel catalogo

Il docente indica 4 testi · da studiare tutti

[1] D Vai su Amazon ›Verificato sulla scheda ufficiale il 18/09/2026

Modeling – 2nd Vai su Amazon ›Verificato sulla scheda ufficiale il 18/09/2026

Song – The Principles of Diffusion Models Vai su Amazon ›Verificato sulla scheda ufficiale il 18/09/2026

Learning – Teaching Machines to Paint Vai su Amazon ›Verificato sulla scheda ufficiale il 18/09/2026

Bacheca del docente: cosa indica di studiare

Argomenti del programma: Il corso introduce i fondamenti teorici e pratici dei modelli generativi profondi per segnali audio. Dopo un richiamo ai principi della modellazione probabilistica e alle rappresentazioni dei segnali audio, vengono presentate le principali famiglie di modelli generativi, evidenziandone le basi matematiche, gli algoritmi di apprendimento e le applicazioni alla sintesi e manipolazione dell'audio. 1.

Apri la scheda ufficiale ›

Aiutaci a tenerci aggiornati

Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.

Altre materie del prof. Comminiello

Neural Networks · Artificial Intelligence and Robotics - Intelligenza Artificiale e Robotica · 2º anno · 1º semestre · 6 CFU · a scelta (insegnamenti affini e integrativi a scelta)
Machine Learning For Signal Processing · Ingegneria Elettronica - Electronics Engineering · 1º anno · 2º semestre · Ingegneria Elettronica (percorso valido anche ai fini del conseguimento del doppio titolo italo-statunitense o italo-francese) · 6 CFU · a scelta (GRUPPO DI CARATTERIZZAZIONE - MDEE)
Teoria dei Circuiti · Ingegneria delle Telecomunicazioni · 2º anno · 2º semestre · 6 CFU

Altri esami del 2º anno – Data Science

Earth Observation Data Analysis · 2º semestre · Ferdinando Nunziata
Economics And Computation · 2º semestre · Stefano Leonardi, Johannes Bruestle
Economics Of Network Industries · 2º semestre · Pierfrancesco Reverberi
Efficiency And Productivity Analysis · 2º semestre · Bernardo Maggi
European Data Law in a Global Digital Economy · 2º semestre · Salvatore Orlando
Smart Environments And Cyber Physical Spaces · 2º semestre · Stefania Colonnese, Pietro Spadaccino
Advanced Machine Learning And Computer Vision · 1º semestre · Fabio Galasso
Big Data Computing · 1º semestre · Aristidis Anagnostopoulos, Luca Becchetti
Digital Epidemiology And Precision Medicine · 1º semestre · Manuela Petti
Network Science And Complex Systems · 1º semestre · Walter Quattrociocchi
Signal Processing For Machine Learning · 1º semestre · Sergio Barbarossa, Paolo Di Lorenzo

Vedi anche: Prof. Danilo Comminiello · Generative Models For Audio a Sapienza (tutti i canali)