دانلود کتاب Hands-On Markov Models with Python (به فارسی: مدلهای عملی مارکوف با پایتون) نوشته شده توسط «Ankur Ankan – Abinash Panda»
اطلاعات کتاب مدلهای عملی مارکوف با پایتون
موضوع اصلی: کامپیوتر – علوم کامپیوتر
نوع: کتاب الکترونیکی
ناشر: Packt Publishing
نویسنده: Ankur Ankan – Abinash Panda
زبان: english
فرمت کتاب: EPUB (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2018
تعداد صفحه: 178
حجم فایل: 24.39 مگابایت
کد کتاب: 1788625447 , 9781788625449
توضیحات کتاب مدلهای عملی مارکوف با پایتون
مدل پنهان مارکوف (HMM) یک مدل آماری مبتنی بر مفهوم زنجیره مارکوف است. Hands-On Markov Models with Python به شما کمک می کند تا با HMM ها و الگوریتم های استنتاج مختلف با کار بر روی مسائل دنیای واقعی آشنا شوید. مثالهای عملی بررسیشده در این کتاب به شما کمک میکند با استفاده از مفاهیم مدل مارکوف، جریان فرآیند را در یادگیری ماشین سادهسازی کنید و در نتیجه آن را برای همه در دسترس قرار دهید.
هنگامی که مفاهیم اولیه زنجیره های مارکوف را پوشش دادید، با کمک مثال های عملی، بینشی در مورد فرآیندها، مدل ها و انواع مارکوف خواهید داشت. پس از درک این اصول، به یادگیری الگوریتمهای مختلف مورد استفاده در استنتاجها و استفاده از آنها در استنتاج حالت و پارامتر خواهید پرداخت. علاوه بر این، شما رویکرد بیزی استنتاج را بررسی خواهید کرد و نحوه اعمال آن را در HMM ها خواهید آموخت.
در فصلهای بعدی، نحوه استفاده از HMM در تجزیه و تحلیل سریهای زمانی و پردازش زبان طبیعی (NLP) با استفاده از پایتون را خواهید یافت. همچنین یاد خواهید گرفت که HMM را برای پردازش تصویر با استفاده از 2D-HMM برای بخشبندی تصاویر اعمال کنید. در نهایت، نحوه استفاده از HMM برای یادگیری تقویتی (RL) با کمک Q-Learning را خواهید فهمید و از این تکنیک برای معاملات الگوریتمی تک سهام و چند سهام استفاده کنید.
در پایان این کتاب، شما متوجه خواهید شد که چگونه می توانید مدل های مارکوف و مارکوف مخفی خود را بر روی مجموعه داده های پیچیده بسازید تا آنها را در پروژه ها اعمال کنید.
Once you’ve covered the basic concepts of Markov chains, you’ll get insights into Markov processes, models, and types with the help of practical examples. After grasping these fundamentals, you’ll move on to learning about the different algorithms used in inferences and applying them in state and parameter inference. In addition to this, you’ll explore the Bayesian approach of inference and learn how to apply it in HMMs.
In further chapters, you’ll discover how to use HMMs in time series analysis and natural language processing (NLP) using Python. You’ll also learn to apply HMM to image processing using 2D-HMM to segment images. Finally, you’ll understand how to apply HMM for reinforcement learning (RL) with the help of Q-Learning, and use this technique for single-stock and multi-stock algorithmic trading.
By the end of this book, you will have grasped how to build your own Markov and hidden Markov models on complex datasets in order to apply them to projects.
دانلود کتاب «مدلهای عملی مارکوف با پایتون»