假设我正在深入研究与机器学

rmruhul

习相关的事情，或者我将使用机器学习，但我想将数字信号处理与机器学习一起使用。

正如我们所讨论的，机器学习需要大量数据，如果您想构建自己的模型有时您必须过滤数据才能真正获得正确的预测。如果我们考虑一下，让我们考虑一下降噪耳机。在日常生活中，您周围有很多噪音。假设您正在火车上观看视频，周围有人在说话，并且有火车的声音。而你要关注的是视频的声音。

查理：通过数字信号处理，这有点像您的降噪耳机，周围有一些您不 电报号码数据 关心的噪音。所以有些数据你不想听，而降噪耳机可以让你专注于手机视频中发出的声音这样你就可以真正地聆听并专注于此。

我在数字信号处理方面所做的事情是，我有来自硬件（例如 Arduino）的大量数据，但我知道其中有很多数据我可能并不关心。我想过滤掉我不关心的事情，这样我就可以将其提供给模型并获得关于手势或类似事情的更好预测。这样您就有了可以转换或过滤的数据信号。

查理：就像当您使用 Web API 从麦克风获取声音时，您可以在开发工具上看到数字数组，也可以将其转换为频谱图以查看声音的图片。这只是一点点。为了根据硬件数据更好地预测手势，我可以转换该信号。几年来我一直想这样做，但我对此一无所知。

学习需要时间，但现在我对机器学习方面有了更多了解，我可以学习数字处理方面，并且我正在实现目标。我喜欢这个时刻，我会想，“哦，我开始明白了因为我花了所有的时间在上面。” 是的，这真的很有趣。我要带你去一下。



德鲁：查理，你真是个书呆子。如果亲爱的听众想听更多 Charlie 的话，您可以在 Twitter 上找到她，她的账号是 @devdevcharlie，她的个人网站包含我们许多实验和项目的链接，非常值得在 charliegerard.dev 上查看。

她的书《Practical Machine Learning In JavaScript》现已上市，我们将在演出笔记中链接到该书。感谢您今天加入我们。查理，你有什么临别赠言吗？

查理：记得要玩得开心。今天我们讨论了很多有趣的东西，然后是实用的东西，但是如果您愿意研究这个，请记住享受一些乐趣，无论您决定构建什么。