Dominando Modelos Ocultos de Markov com Python e GHMM

Modelos Ocultos de Markov são modelos matemáticos que conseguem modelar e manipular dados sequênciais. Esses modelos são bastante utilizados devido sua relativa simplícidade e flexibilidade, sendo aplicáveis em aplicações diversas como por exemplo: classificação de proteínas, descobrir o estado emocional de pessoas em redes sociais, descobrir trapaceiros em casinos, classificar textos, geração de música, descobrir regiões de interesses do código genético entre diversas outras.

Nesta palestra, será dada uma breve introdução aos Modelos Ocultos de Markov e será mostrado como modelá-los através de Python e da biblioteca GHMM. Serão demonstrados problemas práticos que utilizam Modelos Ocultos de Markov, desde a criação dos mesmos até a implementação em Python.