Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?
Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur Graph Search.
Cette séance de cours explore le concept de Hidden Markov Models (HMM) en tant que méthode de modélisation de données de séries chronologiques. En commençant par la discussion sur la dépendance temporelle des données et les défis des trajectoires non structurées, linstructeur explique comment modéliser les données à laide de HMMs. La séance de cours couvre les paramètres des HMM, l'apprentissage des HMM, le calcul de la probabilité d'un HMM et l'utilisation des HMM pour la prédiction. En outre, l'algorithme de Viterbi pour le décodage dans les HMM est introduit, ainsi que le processus de choix du nombre d'états dans un HMM. La séance de cours se termine par un résumé soulignant l'importance des HMM dans la modélisation des données de séries chronologiques.