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