Introduction à la théorie des modèles de Markov cachés et à ses applications.

1. Dans un premier temps, nous introduisons les notions essentielles de la théorie classique des chaîne de Markov.
2. Dans un second temps, nous définissons ce qu'est un modèle de Markov caché et nous démontrons ses principales propriétés.
3. 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.

4. 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