2021 年 6 月 28 日 | 2.82 GB
编程是我所知道的最灵活的领域之一。您可以创建一个以多种方式完成特定任务的程序。然而，这并不意味着所有方式都是平等的。有些比其他的要好。
当您的程序必须使用大数据时，这一点尤其明显。处理大数据意味着处理巨大的数组和矩阵。
您可以创建一个程序来完成与另一个程序相同的任务，但速度要快 1000 倍。这完全取决于您的编码方式以及您使用的编码实践。
这就是你将在这里学到的。您将学习好的和坏的编码实践，以便您在处理大数据时学会以正确的方式编码。
在这个 100% 基于项目的课程中，我们将使用 Python、Numpy 和 Moviepy 库来创建一个功能齐全的声音处理程序。
该程序将按顺序导入您的视频，提取它们的音频，自动识别该音频中的静音间隔，然后将它们剪掉，同时在边缘保持一些静音以在句子之间保留一点停顿。
声音处理自然会处理数以百万计的数组元素，因此我们如何编写该程序非常重要。我们会以坏的方式和好的方式来做，因为我希望你看到硬币的两面。
最后，您将看到 Python Numpy 代码的最后一个版本将比第一个版本快 1000 倍以上，因此，您将看到如何编码以及如何绝对不编码。
最后，我真的想让你看到这些知识是通用的，也可以应用于其他领域，不仅仅是音频处理。因此，在最后一节中，将有计算机视觉方面的作业。
数字图像实际上是巨大的矩阵，因此，在代码中如何处理它们真的很重要。我们将构建一个可以对这些图像进行二值化的小程序，我们也会以好的和坏的方式进行。
我们将使用名为 Pillow 的 Python 图像处理库来处理图像矩阵中的所有这些大数据。
完成本课程后，您将从一开始就知道如何以正确的方式进行编程。看看我的一些免费预览视频，如果你喜欢你所看到的，那么，现在注册，让我们开始吧！我会在里面见到你。
你会学到什么：
- 使用 NumPy 库在 Python 中优化代码
- 使用 MoviePy 库在 Python 中进行声音处理
- 数字图像的基础
转载请注明：Audioba-音频吧编曲混音资源网 » Udemy Big Data code optimization in Python NumPy: Sound Processing [TUTORiAL]