Master Thesis Online
Machine Learning Applied to Music: Prediction of the Popularity of a Track
Benzerga, Amina 
Promoteur(s) :
Geurts, Pierre
Date de soutenance : 25-jui-2018/26-jui-2018 • URL permanente : http://hdl.handle.net/2268.2/4606
Détails
| Titre : | Machine Learning Applied to Music: Prediction of the Popularity of a Track |
| Titre traduit : | [fr] L’apprentissage automatique appliqué à la musique: prédiction de la popularité de chansons |
| Auteur : | Benzerga, Amina
|
| Date de soutenance : | 25-jui-2018/26-jui-2018 |
| Promoteur(s) : | Geurts, Pierre
|
| Membre(s) du jury : | Embrechts, Jean-Jacques
Louppe, Gilles
Lidy, Thomas |
| Langue : | Anglais |
| Nombre de pages : | 101 |
| Mots-clés : | [en] machine learning [en] time series [en] forecasting |
| Discipline(s) : | Ingénierie, informatique & technologie > Sciences informatiques |
| Public cible : | Autre |
| Institution(s) : | Université de Liège, Liège, Belgique |
| Diplôme : | Master en ingénieur civil en informatique, à finalité spécialisée en "intelligent systems" |
| Faculté : | Mémoires de la Faculté des Sciences appliquées |
Résumé
[en] Machine learning applied to music. We tried, in this thesis, to predict the popularity of tracks. To do so, we used time series forecasting models as well as neural networks and random forest.
Fichier(s)
Document(s)
TFE_résumé.pdf
Description:
Taille: 101.3 kB
Format: Adobe PDF
master-thesis-popularity.pdf
Description:
Taille: 8.04 MB
Format: Adobe PDF
Annexe(s)
MAE_comp_c_test_hist.png
Description: MAE obtained for the test set for LSTM models
Taille: 76.15 kB
Format: image/png
p_vs_a.png
Description: Comparing the number of tracks for which each model performs better than the others.
Taille: 15 kB
Format: image/png
pred_1.png
Description: Forecasts obtained using our models are compared to the real values
Taille: 107.68 kB
Format: image/png
pred_2.png
Description: Forecasts obtained using our models are compared to the real values
Taille: 96.03 kB
Format: image/png
rf_importance.png
Description: Relevant audio features for predicting the trend of a track, only using the audio features
Taille: 109.97 kB
Format: image/png
Citer ce mémoire
Tous les documents disponibles sur MatheO sont protégés par le droit d'auteur et soumis aux règles habituelles de bon usage.
L'Université de Liège ne garantit pas la qualité scientifique de ces travaux d'étudiants ni l'exactitude de l'ensemble des informations qu'ils contiennent.
L'Université de Liège ne garantit pas la qualité scientifique de ces travaux d'étudiants ni l'exactitude de l'ensemble des informations qu'ils contiennent.