Dans ce projet en collaboration avec T. Granger, nous avons testé différents algorithmes et méthodes de machine learning pour tenter d'identifier le genre musical d'artistes et, par la même occasion, identifier les inspirations présentes dans leurs albums. En utilisant l'API de Spotify, nous avons pu collecter des données sur des artistes appartenant à quatre genres musicaux bien distincts : le rock, le hip hop, l'électro et la musique classique.

Nous avons exploré diverses techniques de machine learning et de visualisation de données, telles que l'analyse en composantes principales (PCA), les k-plus proches voisins (KNN), l'inférence bayésienne, et les réseaux de neurones. Un point fort de notre étude a été l'utilisation de l'algorithme Random Forest, qui s'est avérée particulièrement efficace pour ce type de projet.

Notre projet a démontré que, même avec des algorithmes relativement simples, il est possible d'obtenir des résultats satisfaisants. De plus, l'API Spotify s'est révélée être un outil très pratique pour la collecte et l'analyse des données musicales. Ce projet illustre la puissance et la flexibilité des techniques de machine learning pour l'analyse musicale.

Vous pouvez retrouver le rapport du projet ici et le code du projet sur github (à venir).