Im Mittelpunkt dieses essentials steht eine Einführung in ein bekanntes statistisches Modell, das Hidden-Markov-Modell.Damit können Probleme bewältigt werden, bei denen aus einer Folge von Beobachtungen auf die wahrscheinlichste zustandsspezifische Beschreibung geschlossen werden soll.Die Anwendungen des Hidden-Markov-Modells liegen hauptsächlich in den Bereichen Bioinformatik, Computerlinguistik, maschinelles Lernen und Signalverarbeitung.In diesem Büchlein werden die beiden zentralen Problemstellungen in HMMs behandelt.Das Problem der Inferenz wird mit dem berühmten Viterbi-Algorithmus gelöst, und das Problem der Parameterschätzung wird mit zwei bekannten Methoden angegangen (Erwartungsmaximierung und Baum-Welch).
