你将收获

了解隐马儿可夫模型的定义

了解隐马儿可夫模型两个假设和三个问题

了解前向概率计算公式的详细推导

了解使用EM算法来解决隐变量问题

适用人群

掌握Python语言,了解机器学习相关算法

课程介绍

隐马儿可夫模型(Hidden Markov Model),简称HMM,既是机器学习中的经典模型,在语言识别,自然语言处理,模式识别等领域有广泛的应用。特别对于NLP算法工程师来说,掌握HMM算法能够提高解决问题建模的能力、拓展算法思路,在NLP算法岗的面试中游刃有余。

本课程将带你深入了解隐马儿可夫模型的定义,两个基本假设及三个基本问题,掌握概率计算算法、期望最大EM算法的详细推导过程,通过本门课程的学习,对于HMM模型的掌握将变得不再困难。

本课程适合有一-定机器学习基础,对自然语言处理领域感兴趣,有志于从事NLP算法工作的人学习,学完本课程后可以进一步学习[NLP高级小班],带你实战更多NLP领域任务,如机器翻译、文本摘要、聊天机器人、知识图谱等项目。

课程目录

讨论留言

正在加载中...