期望最大EM算法（一）_隐马尔可夫HMM精讲-CSDN在线视频培训

课时介绍

 两个假设和三个问题的回顾； 隐马尔可夫模型学习算法；使用EM算法来解决隐变量问题

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。