Source Code

Kursus/Jasa Machine Learning | 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 menyebutkan berbagai penerapan Model Markov dan Model Markov Tersembunyi
  • Pahami cara kerja Model Markov
  • Tulis Model Markov dalam kode
  • Terapkan Model Markov ke urutan data apa pun
  • Memahami matematika di balik rantai Markov
  • Terapkan model Markov ke bahasa
  • Terapkan model Markov ke analisis situs web
  • Pahami cara kerja PageRank Google
  • Memahami 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
  • Merasa nyaman dengan Python dan Numpy

Deskripsi

Hidden  Markov Model atau HMM  adalah tentang urutan pembelajaran.

Banyak data yang sangat berguna untuk kita modelkan adalah data yang berurutan. 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 kemampuan menganalisisnya adalah keterampilan penting dalam kotak peralatan ilmu data Anda .

Cara termudah untuk menghargai jenis informasi yang Anda peroleh dari suatu rangkaian adalah dengan mempertimbangkan apa yang sedang Anda baca. Jika kami menulis kalimat sebelumnya secara terbalik, itu tidak akan masuk akal bagi Anda, meskipun mengandung semua kata yang sama. Jadi ketertiban itu penting.

Meskipun tren pembelajaran mendalam saat ini adalah menggunakan jaringan saraf berulang untuk memodelkan urutan, pertama-tama kami ingin memperkenalkan kepada Anda algoritme pembelajaran mesin yang telah ada selama beberapa dekade – Model Markov Tersembunyi.

Kursus ini mengikuti langsung kursus pertama kami di Pembelajaran Mesin Tanpa Pengawasan untuk Analisis Klaster , di mana Anda mempelajari cara mengukur distribusi probabilitas variabel acak . Dalam kursus ini, Anda akan belajar mengukur distribusi probabilitas suatu barisan variabel acak.

Anda tahu betapa kami sangat menyukai pembelajaran mendalam , jadi ada sedikit perubahan dalam kursus ini. Kami telah membahas penurunan gradien dan Anda tahu betapa pentingnya hal ini untuk memecahkan masalah pembelajaran mendalam. Kami menyatakan bahwa penurunan gradien dapat digunakan untuk mengoptimalkan fungsi tujuan apa pun. Dalam kursus ini kami akan menunjukkan kepada Anda bagaimana Anda dapat menggunakan penurunan gradien untuk menyelesaikan parameter optimal HMM, sebagai alternatif dari algoritma pemaksimalan ekspektasi yang populer .

Kami akan melakukannya di Theano  dan Tensorflow , yang merupakan perpustakaan populer untuk pembelajaran mendalam. Ini juga akan mengajari Anda cara bekerja dengan urutan di Theano dan Tensorflow, yang akan sangat berguna saat kita membahas jaringan saraf berulang dan LSTM .

Kursus ini juga akan membahas banyak aplikasi praktis model Markov dan model Markov tersembunyi. Kita akan melihat model penyakit dan kesehatan, dan menghitung cara memprediksi berapa lama Anda akan sakit, jika Anda sakit. Kami akan membahas tentang bagaimana model Markov dapat digunakan untuk menganalisis cara orang berinteraksi dengan situs web Anda, dan memperbaiki area masalah seperti rasio pentalan tinggi , yang dapat memengaruhi SEO Anda . Kami akan membuat model bahasa yang dapat digunakan untuk mengidentifikasi seorang penulis dan bahkan menghasilkan teks – bayangkan sebuah mesin mengerjakan tulisan Anda untuk Anda. HMM telah sangat sukses dalam pemrosesan bahasa alami  atau  NLP .

Kita akan melihat apa yang mungkin merupakan penerapan model Markov yang paling baru dan produktif – algoritma PageRank Google . Dan terakhir, kita akan membahas penerapan model Markov yang lebih praktis, termasuk menghasilkan gambar, sugesti otomatis ponsel cerdas , dan menggunakan HMM untuk menjawab salah satu pertanyaan paling mendasar dalam biologi – bagaimana DNA , kode kehidupan, diterjemahkan ke dalam atribut fisik atau perilaku dari suatu organisme?

Semua materi kursus ini dapat diunduh dan diinstal secara GRATIS. Kami akan melakukan sebagian besar pekerjaan kami di Numpy dan Matplotlib , bersama dengan sedikit Theano . Kami selalu siap menjawab pertanyaan Anda dan membantu sepanjang perjalanan ilmu data Anda.

Sampai jumpa di kelas!

Untuk siapa kursus ini:

  • Mahasiswa dan profesional yang melakukan analisis data, khususnya pada data urut
  • Profesional yang ingin mengoptimalkan pengalaman situs web mereka
  • Siswa yang ingin memperkuat pengetahuan pembelajaran mesin dan keterampilan praktisnya
  • Pelajar dan profesional tertarik pada analisis DNA dan ekspresi gen
  • Pelajar dan profesional tertarik pada bahasa pemodelan dan menghasilkan teks dari model

Related Articles

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *

Back to top button