Kursus Python: Unsupervised Machine Learning Hidden Markov Models Menggunakan Python

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

Apa 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

• Menerapkan Model Markov ke urutan data apa pun

• Pahami matematika di balik rantai Markov

• Menerapkan model Markov ke bahasa

• Menerapkan model Markov ke analisis situs web

• Pahami cara kerja Google PageRank

• Pahami Model Markov Tersembunyi

• Tulis Model Markov Tersembunyi dalam Kode

• Menulis Model Markov Tersembunyi menggunakan Theano

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

Persyaratan

• Akrab dengan probabilitas dan statistik

• Pahami model campuran Gaussian

• Nyaman dengan Python dan Numpy

Deskripsi

Hidden Markov Model  atau  HMM   adalah tentang urutan pembelajaran.

Banyak data yang akan sangat berguna bagi kita untuk dimodelkan dalam urutan.  Harga saham  adalah urutan harga. Bahasa adalah urutan kata.  Penilaian kredit  melibatkan urutan pinjaman 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 kemampuan menganalisisnya adalah keterampilan penting dalam kotak alat  sains data  Anda .

Cara termudah untuk menghargai jenis informasi yang Anda peroleh dari sebuah urutan adalah dengan mempertimbangkan apa yang Anda baca sekarang. Jika saya menulis kalimat sebelumnya secara terbalik, itu tidak akan masuk akal bagi Anda, meskipun berisi semua kata yang sama. Jadi ketertiban itu penting.

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