Kursus Python: Unsupervised Machine Learning Hidden Markov Models Python

HMM untuk analisis harga saham, pemodelan bahasa, analisis web, biologi, dan PageRank.

Yang akan Anda pelajari

• Memahami dan menghitung berbagai aplikasi Model Markov dan Model Markov Tersembunyi

• Pahami cara kerja Model Markov

• Tulis Model Markov dalam kode

• Terapkan Model Markov ke urutan data apa pun

• Pahami matematika di balik rantai Markov

• Terapkan model Markov ke bahasa

• Terapkan model Markov ke analitik situs web

• Pahami cara kerja PageRank Google

• Pahami Model Markov Tersembunyi

• Tulis Model Markov Tersembunyi dalam Kode

• Tulis Model Markov Tersembunyi menggunakan Theano

• Pahami bagaimana penurunan gradien, yang biasanya digunakan dalam pembelajaran mendalam, dapat digunakan untuk HMM

Persyaratan

• Keakraban dengan probabilitas dan statistik

• Memahami model campuran Gaussian

• Nyaman dengan Python dan Numpy

Deskripsi

Model  Markov Tersembunyi  atau  HMM   adalah tentang belajar urutan.

Banyak data yang akan sangat berguna bagi kita untuk dimodelkan dalam urutan.  Harga saham  adalah urutan harga. Bahasa adalah rangkaian kata.  Penilaian kredit  melibatkan urutan peminjaman dan pembayaran kembali uang, dan kita dapat menggunakan urutan tersebut untuk memprediksi apakah Anda akan gagal bayar atau tidak. Singkatnya, urutan ada di mana-mana, dan mampu menganalisisnya adalah keterampilan penting dalam kotak peralatan  ilmu data  Anda .

Cara termudah untuk mengapresiasi jenis informasi yang Anda peroleh dari suatu urutan adalah dengan mempertimbangkan apa yang sedang Anda baca sekarang. Jika saya telah menulis kalimat sebelumnya mundur, itu tidak masuk akal bagi Anda, meskipun itu berisi semua kata yang sama. Jadi ketertiban itu penting.

Sementara trend saat ini dalam  pembelajaran mendalam  adalah menggunakan  untuk memodelkan urutan, pertama-tama saya ingin memperkenalkan pada algoritma pembelajaran mesin yang telah ada selama beberapa dekade sekarang – Model Markov Tersembunyi.