Μουσική Πληροφορική

Διδάσκονται οι βασικές αρχές της μουσικής πληροφορικής, από δύο πλευρες: Αφενός τεχνικές αναπαράστασης και σύνθεσης μουσικών δομών στον υπολογιστή, και αφ’ετέρου τεχνικές ανάλυσης με αφετηρία την δυτική μουσική σημειογραφία και σύγχρονες εξελίξεις στις τεχνικές εξόρυξης μουσικής πληροφορίας (Music Information Retrieval, MIR). Γίνεται εισαγωγή στις γλώσσες και τις πλατφόρμες SuperCollider, ChucK, Python, TensorFlow, LilyPond. Διδάσκονται τεχνικές για ανάλυση και συνθεση μουσικής που σχετίζονται με έννοιες της πληροφορικής όπως τυχαιότητα, lindenmayer systems, finite state automata, και markov chains. Επίσης γίνεται εισαγωγή σε σύγχρονα συστήματα μουσικής ανάλυσης όπως Humdrum Toolkit.

Οι φοιτητές εισάγονται στην χρήση τεχνολογιών της πληροφορικής και επεξεργασίας δεδομένων στην ανάλυση και σύνθεση μουσικής. Μαθαίνουν να χρησιμοποιούν τεχνικές της πληροφορικής για μουσική σύνθεση, όπως είναι χρήση τυχαιότητας και στατιστικής, νευρωνικά δίκτυα, γενετικοί αλγόριθμοι, κυταρρικά αυτόματα, και άλλα. Μαθαίνουν την χρήση γλωσσών προγραμματισμού που χρησιμοποιούνται στην μουσική, όπως ChucK, SuperCollider, αλλά και βασικά στοιχεία από διαδεδομένες γλώσσες για επιστημονική έρευνα όπως Python.

1η Εβδομάδα

Ιστορία της Μουσικής Πληροφορικής. Πρώτα παραδείγματα εφαρμογών από το 1800 μεχρι το 1990. Εισαγωγή στην ψηφιακή αναπαράσταση μουσικών δομών και τις γλώσσες προγραμματισμού για μουσική.

2η Εβδομάδα

Ανασκόπηση γλωσσών προγραμματισμού για σύνθεση και ανάλυση μουσικής. Music-n, Csound, HSML, SuperCollider, TidalCycles, Chuck, Humdrum, Praat, Sonic Visualiser, BeatRoot, ScoreCloud κ.α. Εισαγωγή στις βασικές αρχές και τεχνικές που χρηιμοποιούνται στα λογισμικά αυτά.

3η Εβδομάδα

Εισάγονται πειράματα αναλυσης και επανασύνθεσης μουσικών ειδών όπως το Experiments in Music Intelligence του David Cope.

4η Εβδομάδα

Δίνονται παραδείγματα χρήσης τυχαιότητας (random generators) στην μουσική, με αναδρομή στην αλεατορική μουσική.

5η Εβδομάδα

Γίνεται επισκόπηση στην θεωρία των γενετικών αλγορίθμων και δίνονται παραδείγματα εφαρμογής τους στην μουσική σύνθεση.

6η Εβδομάδα

Εισαγωγή στα Κυταρρικά αυτόματα. Παρουσίαση του λογισμικού GOLLY (http://golly.sourceforge.net) καθώς και εφαρμογών της αρχής των κυταρρικών αυτομάτων στην μουσική σύνθεση μέσω βιβλιοθηκών του SuperCollider.

7η Εβδομάδα

Εφαρμογές της μουσικής Πληροφορικής στην Μουσική Ανάλυση. To Humdrum Toolkit.

8η Εβδομάδα

Συστήματα μουσικού αυτοσχεδιασμού και μηχανική ακρόαση (machine listening).

9η Εβδομάδα

Παραγωγικές γραμματικές στην μουσική θεωρία και σύνθεση.

10η Εβδομάδα

Επιστήμες Δεδομένων και χρήση δεδομένων από το (φυσικό και τεχνητό) περιβάλλοντος στην μουσική σύνθεση.

11η Εβδομάδα

Μοντελισμός μουσικών θεωρητικών συστημάτων με προγραμματισμό.

12η Εβδομάδα

Εισαγωγή στην ανακτηση μουσικής πληροφορίας από ψηφιακό ακουστικό σήμα (Music Information Retrieval). Ασκήσεις με την βιβλιοθήκη SCMIR.

13η Εβδομάδα

Η τελευταία εβδομάδα είναι αφιερωμένη στην επανάληψη της ύλης και στις παρουσιάσεις ασκήσεων και εργασιών των φοιτητών.

Cope, D. 1996. Experiments in Musical Intelligence. A-R Editions.
Kapur, A., Cook, P., Salazar, S. and G. Wang. 2015. Programming for Musicians and Digital Artists: Creating Music With Chuck. Manning.
Lehrdahl F. and R. Jackendoff. 1983. A Generative Theory of Tonal Music. MIT Press.
Loy, G. 1985. "Programming Languages for Computer Music Synthesis, Performance, and Composition". Computing Surveys, Vol. 17, No. 2, June 1985
Nierhaus. G. 2009. Algorithmic Composition: Paradigms of Automated Music Generation. Springer.
Miranda, E.R. 2001. Composing Music with Computers. Elsevier.
Roads. C. 1996. The Computer Music Tutorial. MIT Press.
Roads. C. ed. 1989. The Music Machine: Selected Readings from Computer Music Journal. MIT Press.

Οι φοιτητές εισάγονται στον προγραμματισμό και την επεξεργασία μουσικών δεδομένων με χρήση λογισμικού ανοικτού κώδικα όπως Python, R, R markdown, DiagrammeR, SuperCollider, TidalCycles, EMACS, Org-Mode, Lilypond κ.α. Δίνονται παραδείγματα με χρήση συγχρόνων μεθόδων ανάλυσης και σύνθεσης καθώς και ανακτησης μουσικών δεδομένων (Music Information Retrieval). Για ανάλυση χρησιμοποιούνται λογισμικά σύγχρονης έρευνας όπως /Humdrum Toolkit/, /music21/ and /MIDIToolbox/ και MeloSpySuite/GUI. Για την ανάλυση ηχητικών δεδομένων χρησιμοποιείται το SuperCollider και η Βιβλιοθήκη SCMIR. Για την σύνθεση χρησιμοποιούνται σύγχρονα εργαλεία και βιβλιοθήκες όπως SuperCollider, JITLib, sc-hacks, TidalCycles και ChucK.

Παροχή πολυμεσικού υλικού.
Υποστήριξη Μαθησιακής διαδικασίας μέσω της ηλεκτρονικής πλατφόρμας e-class.

Κατά την τελική εξέταση του μαθήματος, οι φοιτές παραδίδουν μια γραπτή εργασία έκτασης περίπου 2500 λέξεων επιλέγοντας ένα από τα παρακάτω θέματα:

- Γλώσσες προγραμματισμού για Υπολογιστική Μουσική, Σύνθεση Ήχου και μουσική Σύνθεση. Ιστορία και σύγχρονες εξελίξεις σήμερα.
- Έρευνα στην Σύνθεση Μουσικών Στυλ με αλγοριθμικές Μεθόδους. Από τα πρώτα πειράματα μέχρι σύγχρονα επιτεύγματα.
- Ανάλυση έργου και τρόπου εργασίας συνθέτη που χρησιμοποιεί μεθόδους Υπολογιστικής Μουσικής.
- Παρουσίαση πρωτότυπης μουσικής σύνθεσης υλοποιημένης με προγραμματισμό σε σύστημα Υπολογιστικής Μουσικής και σχολιασμός των αρχών της σύνθεσης και των μεθόδων υλοποίησης.

Η εργασία πρέπει να ακολουθεί τους αναρτημένους κανόνες σύνταξης εργασιών του Τμήματος. Πρέπει να περιέχει βιβλιογρφία και να ακολουθεί το βιβλιογραφικό στάνταρ αναφορών Chicago 15b, Author Date. https://web.library.uq.edu.au/files/26556/chicago15B-style-guide.pdf

Κατά την εξέταση γίνεται σύντομη προφορική παρουσίαση της εργασίας και ακολουθεί διάλογος με τον εξεταστή. Στην αξιολόγηση λαμβάνεται υπόψι και η συνεισφορά του φοιτητή κατά την διάρκεια των παραδόσεων με την μορφή ερωτήσεων ή παρουσιάσεων.