설명
| 개강 | 2021년 3월 3(수) 저녁 8시 |
| 일정 | 3/3 ~ 3/31 매주 수요일 18:00-22:00 |
| 장소 | Online Live (ZOOM 화상 강의) |
| 강사 | 한창호, 콴트글로벌 대표 / 경제학박사 |
| 문의 | crm@quantglobal.co.kr, 02.761.8090 |
| 기타 | 실습을 위한 노트북 컴퓨터 지참 필수 |
| 특징 | 수료증 발급, 소스코드 및 데이터 제공 |
| 사전교육 | Python 입문 및 딥러닝 입문 강의자료(PPT, 소스코드) 제공 |
| 사후교육 | 강의 녹화 동영상 3개월간 제공. 강의 후 2일내 업로드됨
|
수강신청
수강 신청을 먼저 하시고 결제는 개강 확정 이후에 하시면 됩니다.
<WEEK 1> 강화학습 입문
| I | 강의 주제 | 강의 내용 |
| 1 | 인공지능 학습 알고리듬 | 지도학습/비지도학습/강화학습 정의 및 차이점 |
| 2 | 강화학습의 차별성 | Observation/Reward, Exploit/Exploration, 지연된 보상 |
| 3 | 강화학습 구성요소1: Entity | Agent, Environment |
| 4 | 강화학습 구성요소 2: Communication | Action, Reward, Observation |
<WEEK 2> Markov decision process
| II | 강의 주제 | 강의 내용 |
| 1 | Markov process | Markov property 정의, 전이행렬, 상태 집합, 에피소드 |
| 2 | Markov reward process | Return 과 Reward 구별, 할인 계수, 에피소드의 수익 |
| 3 | Markov Decision Process | MRP에 Action space 추가 |
| 4 | Policy | RL에서 정책이 가지는 의미 |
<WEEK 3> Q-learning
| III | 강의 주제 | 강의 내용 |
| 1 | Value of state | Value of state 정의, value 와 policy 간의 관계 |
| 2 | Bellman Equation | 확정적인 경우/확률적인 경우 Bellman 방정식 정의 |
| 3 | Value of Action | Value of Action 정의, Value Iteration Algorithm |
| 4 | Q-learning 예제 | Q-learning 알고리듬, R-matrix, Q-matrix |
<WEEK 4> 트레이딩 로봇 구현 1
| IV | 강의 주제 | 강의 내용 |
| 1 | Deep Q-learning | DQN을 이용한 주식트레이딩 로봇 기본 구조 설계 |
| 2 | 트레이딩 전략 설계 | MACD를 이용한 이용한 트레이딩 전략 설계 |
| 3 | 기술적 지표 | 입력변수로 사용할 각종 기술적 지표를 TA-Lib 이용하여 생성 |
| 4 | 주식 데이터 | 데이터 입수 및 전처리 |
<WEEK 5> 트레이딩 로봇 구현 2
| V | 강의 주제 | 강의 내용 |
| 1 | 트레이딩 로봇 세부 구조 코딩 | Agent, DQN, Remember, Experience replay, Act |
| 2 | 모형 훈련 | Hyperparameter 값을 다양하게 조정하면서 최적의 결과가 도출되도록 모형 훈련 |
| 3 | 모형 성능 측정 | 테스터 데이터를 이용하여 confusion matrix 생성하여 모형 성능 측정 |
| 4 | 마무리 | 향후 개발 방향에 대한 조언 |
상품평
아직 상품평이 없습니다.