Hidden-Markov-Models
Introduction à la théorie des modèles de Markov cachés et à ses applications.
- Dans un premier temps, nous introduisons les notions essentielles de la théorie classique des chaîne de Markov.
- Dans un second temps, nous définissons ce qu'est un modèle de Markov caché et nous démontrons ses principales propriétés.
- Dans un troisième temps, nous présentons les trois problèmes fondamentaux ainsi de les méthodes de résolution :
- le calcul de probabilité avec l'algorithme du Forward
- le décryptage avec l'algorithme de Viterbi
- l'apprentissage avec l'algorithme de Baum-Welch.
- Finalement, nous développons un modèle de Part-of-Speech tagging à l'aide d'un modèle de Markov caché.
- le notebook principal "HMM.ipynb"
- un dossier "Images" contenant toutes les illustrations du notebook
- le data set utilisé dans la partie 4 "brown_universal.txt"
- les prérequis "requirements.txt"
- le présent "README.md"
Afin d'installer les dépendances du projet, veuillez rentrer cette commande dans un terminal :
pip install -r requirements.txt