Com o avanço tecnológico constante das últimas décadas o acesso da população a computadores e smartphones aumentou imensamente ao ponto em que a maioria dos moradores de uma casa possuem um smartphone. Essa maior acessibilidade fomentou o desenvolvimento de diversos segmentos, um deles sendo o de streaming de música, onde plataformas como Spotify, Deezer e Apple Music dividem entre si uma parcela majoritária do mercado. O contato musical frequente proporcionado por estas plataformas aliadas às milhares de postagens e anúncios em redes sociais, onde há a presença de uma música de fundo ou onde a música é um dos elementos principais deste conteúdo, acaba desenvolvendo em algumas pessoas o desejo de consumir música de maneira ativa a partir do estudo de um instrumento. Embora seja cativante, o estudo de música possui uma série de complexidades e uma das maiores é o estudo da teoria musical, onde se é analisada a relação rítmica, melódica e harmônica das músicas. Felizmente, com o auxílio de algoritmos de inteligência artificial, é possível criar ferramentas para auxiliar no estudo e aprendizados destes conceitos. Este trabalho teve como objetivo aplicar técnicas conhecidas de inteligência artificial, como deep learning para criar uma rede neural capaz de processar um arquivo de áudio, realizar a análise das notas musicais presentes no mesmo e realizar sugestões de escalas contendo as notas encontradas no arquivo dando mais opções para o músico. Durante os testes, um dos modelos criados apresentou uma alta capacidade de generalização, atingindo uma precisão de 98% em predições sobre um conjunto de dados que não foi visto durante o treinamento, e com características sonoras também muito diferentes das presentes nos dados de treinamento, porém tendo como maior ponto fraco a sua performance em relação ao tempo de processamento.