Python 中的无监督机器学习隐马尔可夫模型 ( Unsupervised Machine Learning Hidden Markov Models in Python )

课程描述

Unsupervised Machine Learning Hidden Markov Models in Python 是 Udemy 的一门课程，解释了用于股票价格分析、语言建模、网站统计和生物学的马尔可夫隐模型。马尔可夫隐模型一般与续集有关。许多适合构建模型的数据都包含在序列中。例如，股票价值是价格序列，语言是单词序列。总之，续集无处不在，拥有分析续集的能力是数据科学的必备技能。
在本教程中，您将学习如何测量随机变量序列的概率分布，并学到很多关于深度学习的知识。在这段时间里，我们使用 Theano 和 Tensorflow 库，并充分解释了马尔可夫的隐模型。本课程研究许多马尔可夫模型和马尔可夫隐模型，以及如何分析和预测疾病和健康模型。

本课程讲授的课程：

• 熟悉马尔可夫隐模型的各种程序
• 了解马尔可夫模型的工作原理
• 为马尔可夫模型编写代码
• 在数据序列上应用马尔可夫模型
• 将马尔可夫模型应用于一种语言
• 使用 Theano 编写马尔可夫的隐藏模型

Python 中无监督机器学习隐马尔可夫模型的规范：

• 英语
• 时长：9小时13分钟
• 课时数：63
• 教育程度：中等
• 讲师：Lazy Programmer Inc.
• 文件格式：mp4

课程内容

课程先决条件

• 熟悉概率和统计
• 了解高斯混合模型
• 熟悉 Python 和 Numpy

图片

样片

媒体错误：格式不受支持或来源未找到

安装指南

Extract 后，用您最喜欢的播放器观看。
英文字幕
画质：720p
变化：
2020/12版本相比2018/10版本增加了1节课的数量和12分钟的时长。