Assignment: https://mn.pages.upb.ro/2023-2024/tema2/tema2-statement/intro
    Task 1
        * stereo_to_mono()
            - aplicam formula din enunt si normalizam rezultatul la final
        * spectogram()
            - calculam lungimea semnalului si numarul de ferestre de semnal
            - aplicam functia hann pe lungimea unei ferestre de semnal
            - pentru fiecare fereatra calculam produsul hadamard cu rezultatul
            functiei hann
            - stergem partea conjugata a rezultatului (a doua jumatate)
            - punem ceea ce rezulta in modul si adaugam in matricea de spectograma
            - calculam rezolutia si ii stergem ultima valoare
            - calculam si vectorul timp cu (nr de ferestre / fs) pasi egali
            incepand cu 0
        * oscillator()
            - cream vectorul timp cu pasul de 1/sampling_rate
            - calculam sinewave-ul
            - calculam numarul de sample-uri pentru cele 4 valori (folosim 
            primele 3 valori pentru a o calcula pe cea de la S)
            - calculam envelope-urile pentru cele 4 valori folosind linespace
            - concatenam cei 4 vectori laolalta
            - folosim produsul hadamard dintre sinewave si envelope pentru a
            obtine rezultatul (caruia ii stergem ultima valoare)
        * low_pass()
            - folosim fft pentru a obtine transformata Fourier
            - calculam pasul pentru frecventele posibile
            - cream un vector-masca, in care vom pune 1 pentru frecventele mai
            joase decat limita si 0 pentru cele mai inalte
            - folosim produsul hadamard intre masca si transformata fourier
            - facem inversa transformatei fourier
            - normalizam rezultatul
        * apply_reverb() 
            - transformam datele de intrare din stereo in mono
            - folosim fftconv pentru a obtine produsul de convolutie, pe care
            il normalizam

    Task 2
        * parse_data()
            - deschidem fisierul de intrare, citim datele si il inchidem
        * spline_c2()
            - initializam matricea si incepem sa o completam cu coeficientii
            dedusi din formule
            - dupa completarea matricei, rezolvam sistemul folosind inversa
            matricei si obtinem vectorul de coeficienti
        * P_spline()
            - folosind vectorul de coeficienti determinat anterior, aplicam,
            in functie de intervalul in care se afla valorile de interpolat, 
            functiile spline corespunzatoare
        * vandermonde() 
            - initializam prima coloana din matrice cu 1, iar apoi iteram
            de-a lungul liniilor si calculam fiecare termen ca fiind cel din
            stanga lui inmultit cu x(i), obtinand astfel matricea vandermonde
            - la final rezolvam sistemul pentru a afla vectorul de coeficienti
        * P_vandermonde()
            - folosind vectorul de coeficienti determinat anterior vom inmulti
            cu suportul de interpolare pentru a obtine polinoamele necesare
            interpolarii
    Task 3
        * preprocess() 
            - parcurgem liniile matricei si eliminam acele linii in care
            numarul de review-uri e strict mai mic decat minimul dat ca 
            parametru
        * cosine_similarity()
            - aplicam formula
        * recommendations()
            - citim matricea de la calea data ca parametru
            - apelam functia de preprocesare si facem descompunerea in valori
            valori singulare
            - initializam o variabila in care punem care e tema preferata
            - parcurgem matricea si ii sortam liniile crescator in functie de
            similaritatea cu tema preferata, avand grija sa tinem cont si de
            ordinea indecsilor
            - la final, returnam primii num_recoms indici, adica cele mai bune
            recomandari