딥러닝 시계열 예측(Python 과정)-2023/1/14(토) 10:00

390,000

ZOOM을 사용하여 Online Live 방식으로 진행되는 강좌입니다. 

*수강신청만 하셔도 기계학습 및 시계열 입문 동영상 강의 무료 시청 가능합니다.(사전강의)
*수강 종료 이후에는 강의 녹화동영상을 통해 복습 가능합니다.(사후강의)  

본 강의는 Deep Learning 알고리듬 중에서 시계열 분석에 적합한 알고리듬을 선별하여 각 알고리듬의 구조와 특징 및 시계열 분석에 적용하는 방법에 대해 자세히 살펴봅니다. Deep Learning 방법을 사용하여 시계열을 분석하면 기존의 통계적 방법이나 Deep Learning 이전의 Machine Learning 기법을 적용한 경우에 비해 더 나은 결과를 얻을 수 있다는 것을 실제 데이터 분석 작업을 통해 이해하실 수 있습니다. Deep Learning 을 이용한 시계열 분석 기법은 인공지능을 활용한 첨단의 알고리듬 트레이딩 시스템 개발의 기초가 됩니다.

수강신청 클릭!!

SKU: 999 카테고리:

설명

개강 2023년 1월14일(토) 오전 10시
일정 2023/1/14~2023/2/11 매주 토요일 10:00-12:00 (2시간씩 5회)
장소 Online Live(ZOOM 화상 강의)

강의 시작 전에 이메일로 강의노트 및 연결 URL 전송

강사 한창호, 콴트글로벌 대표 / 경제학박사
문의 crm@quantglobal.co.kr, 02.761.8090
기타 실습을 위한 노트북 컴퓨터 지참 필수
특징 수료증 발급, 소스코드 제공

오프라인 과정 핵심을 추려 시간과 비용 절약

사전교육 1 Machine Learning 입문 동영상 강의
사전교육 2 ANN 입문 동영상 강의(실습부분은 건너뛰고 보세요)
사전교육 3 시계열 분석 입문 동영상 강의(실습부분은 건너뛰고 보세요)
사후교육 강의 녹화 동영상 3개월간 제공. 강의 후 2일내 업로드됨

수강신청

수강 신청을 먼저 하시고 결제는 개강 확정 이후에 하시면 됩니다.

Online Live 수강신청서-딥러닝 시계열 예측(Python 과정), 2023/01/14개강)
수강목적
사이트를 알게된 경로


주차 내용
사전강의 머신러닝/인공신경두뇌망/시계열분석 입문 동영상강의(각 5시간) 제공
WEEK 1 시계열 입문
1)    데이터 종류

2)    정주성 개념

3)    기본 시계열모형 종류

4)    시계열 모형 특징 분석

WEEK 2 DNN 입문
1)    Python을 이용한 시계열 데이터 생성 실습

2)    DNN(심층인공신경망) 구조 및 특징 설명, 예측 모형 코딩 실습

3)    nnet-ts 패키지로 일변량 시계열 일기간 예측 모형 설계 및 실습

  • 한국석유공사 통계자료 이용한 월별 국내 휘발유 수요 예측
WEEK 3 RNN을 이용한 시계열 예측
1)    RNN 정의 및 특징 설명

2)    Keras 패키지로 다변량 입력-일변량 예측 모형 설계 및 실습

3)    Nestrov Momentum 설명

  • 싱가폴 자동차 보유허가증 데이터 이용한 경매 낙찰가격 예측
WEEK 4 LSTM을 이용한 시계열 예측
1)    LSTM 정의 및 특징과 RNN과의 차이점 설명

2)    Keras, Tensorflow를 이용한 다기간 기억 예측 모형 설계 및 실습

  • 통신사 전파 장애 야기하는 태양 흑점 활동 예측
WEEK 5 다변량 예측
1)    Feature Engineering 기법 설명

2)    Keras, Tensorflow 를 이용한 다변량 예측 모형 설계 및 실습

  • FSTE100, DowJones Industrial Index 지수변동성 예측

<주요 용어 설명>

  • 정주성 : Stationarity, 유의미한 시계열 분석이 가능하기 위해 데이터가 지녀야 할 조건으로 시계열 분석 시 반드시 알아야 할 개념
  • 기본 시계열 모형 : AR, MA, ARMA 등
  • DNN : Deep Neural Networks
  • ANN : Artificial Neural Networks
  • PACF : Partial Auto-Correlation Function
  • MLP : Multi-Layer Perceptron
  • RNN : Recurrent Neural Networks
  • LSTM : Long Short-Term Model, RNN 모형의 기억능력 보강한 모형으로 시각/음성 데이터 분석에 널리 활용됨
  • Feature Engineering : 머신러닝 모형의 성능을 최대한 끌어낼 수 있도록 입력변수를 선택하고 튜닝하는 기법

<수업 대상>

  1. 시계열 예측을 실무에 적극 활용하시고 싶은 분: 수요 예측, 경기 예측, 변동성 예측, 주가 예측 등
  2. 딥러닝 관련 학위 논문 작성 중이신 분: 딥러닝 및 시계열 분석 전반에 걸친 조언을 수업시간과 휴식시간을 통해서 해드리고 개인적으로도 적극 도와드리겠습니다.
  3. 전직 및 이직을 준비 중이신 분: 인공지능, 데이터 사이언스 및 관련 분야에 대한 각종 정보와 전직 및 이직에 대한 조언을 해드리겠습니다.
  4. 시스템 트레이딩 분야에 관심을 가지신 분: 딥러닝을 이용한 시계열 분석 기법은 인공지능을 활용한 첨단의 알고리듬 트레이딩 시스템 개발에 크게 기여할 수 있으므로 최근 딥러닝을 이용한 시계열 분석 방법론이 금융공학 분야에서 크게 주목을 받고 있습니다. 강사의 오랜 경험을 공유하실 수 있습니다.
  5. 금융공학, 계량경제학, 기계학습 분야에 조언이 필요하신 분: 강사의 경험과 인적 네트워크를 활용하여 적극적으로 도와드리겠습니다.

상품평

아직 상품평이 없습니다.

상품을 구매한 로그인 고객만 상품평을 남길 수 있습니다.