Accueil Projets dla
dla

dla

par markovka17 · GitHub

Apprentissage profond pour le traitement audio

Voir sur GitHub
En termes simples

Accédez aux matériaux de cours et apprenez sur l'apprentissage profond pour le traitement audio à travers un contenu hebdomadaire organisé.

⭐ Étoiles
🍴 Forks
🔥 Tendances
📜 Licence
Utilisation commerciale autorisée
📅 Créé
🔄 Dernier commit
🏷️ Catégorie
💻 Langue
Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
dla — GitHub preview card
📈 Historique des étoiles
757754
2026-07-202026-07-29
📈 Suivez dla

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Apprentissage profond pour le traitement audio

dla compte 757 étoiles sur GitHub. Il a été forké 123 fois. dla est écrit principalement en Jupyter Notebook. Il est développé activement depuis 2020. dla est disponible sous licence MIT. Ses principaux thèmes sont : deep-learning, keyword-spotting, signal-processing, speaker-verification.

Frequently asked questions

Qu'est-ce que dla ?

Apprentissage profond pour le traitement audio

dla est-il open source ?

dla est un projet open source. Il est distribué sous licence MIT.

dla est-il gratuit ?

Oui. dla est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Sous quelle licence est dla ?

dla est disponible sous licence MIT.

Dans quel langage dla est-il écrit ?

dla est écrit principalement en Jupyter Notebook.

🏅 Mainteneur de ce projet ?
OpenSourceAI badge — dla

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=markovka17-dla)](https://opensourceai.tech/project/markovka17-dla.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.