(오프라인 > 데이터 사이언스) Python으로 배우는 딥러닝 시계열 예측(고급)-중급과정 수강생 할인

₩550,000

본 강의에서는 딥러닝 알고리듬 중 시계열 데이터 분석에 최적화된 알고리듬들을 결합하여 미래를 예측하는 시스템을 Python 코딩을 통해 구현하는 방법을 담고 있습니다. 기존 통계 분석 방법으로는 다루기 힘든 비선형 시계열 데이터 생성 동학을 CNN(Convolutional Neural Networks)과 RNN(Recurrent Neural Networks) 알고리듬을 결합한 최신 기법으로 추정하여 데이터 종류와 목적에 가장 알맞게 미래를 예측하는 시스템 구현 방법에 대해 소스코드와 함께 체계적으로 설명 드립니다. 뿐만 아니라 기존 시계열 분석 모형 중 포괄범위가 가장 넓은 SARIMA(Seasonal AutorRegressive Integrated Moving average) 모형과의 대비를 통해 딥러닝 시계열 분석 방법을 도입할 경우 얻게 되는 효과를 실증적으로 보여드립니다. 또한 예측 모형의 파라미터를 최적화하는 첨단 기법에 대해서도 예제를 통해 경험하실 수 있습니다.

수강신청클릭!!

일자(요일) 주제 강의 내용
사전교육1 Python 입문 설치, 데이터 입출력, 라이브러리 사용 방법
사전교육2 시계열 분석 입문 통계적 시계열 분석 주요 개념 및 기본 모형 설명
7/27(토) 시계열 예측 모형 입문 MLP, CNN, RNN 모형 개요, 시계열 예측 주요 개념, 시계열모형을 지도학습모형으로 전환, 전통적 예측 방법
8/3(토) 딥러닝 시계열 모형 구조분석 시계열 데이터 변환, MLP/CNN/LSTM 시계열 모형
8/10(토) 일변량 예측 모형 추세 및 계절성 문제, ETS 모형, SARIMA 모형, MLP/CNN/LSTM 시계열 예측, Grid Search
8/17(토) 다기간 예측 모형 다기간 단순 예측, ARIMA 예측, CNN 예측, LSTM 예측
8/24(토) 시계열 분류 모형 인간 행태 분석을 위한 ML/CNN/LSTM 모형
Add to Wishlist
카테고리:

설명

개강 2019년 7월 27 (토)  오후 1시
일정 2019.07.27-2019.08.24  매주 토요일 13:00~18:00
장소 강남역 토즈타워
(지하철2호선 강남역3번출구, 도보 3분)
강사 한창호, 콴트글로벌 대표 / 경제학박사
문의 crm@quantglobal.co.kr, 02.761.8090
기타 실습을 위한 노트북 컴퓨터 지참 필수
특징 수료증 발급
사전교육 1 Python 입문 동영상 강의 자료(PPT, 소스코드) 제공
사전교육 2 시계열모형 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.

수강신청서(Python 딥러닝 시계열 고급, 2020/02/23 개강)
수강목적

7/27(토) 시계열 예측 모형 입문

I 강의 주제 강의 내용
1 MLP, CNN, RNN 모형 개요 Multilayer Perceptron, Convolutional Neural Networks, Recurrent Neural Networks
2 시계열 예측 주요 개념 외생/내생 변수, 회귀분석/분류분석, 비구조화/구조화, 일변량/다변량, 일기간/다기간, 정태/동태 분석, 연속형/이산형
3 시계열모형을 지도학습모형으로 전환 지도학습모형 개용, sliding window, 데이터 전처리
4 전통적 예측 방법 단순, AR, Exponential Smoothing, MA 예측 방법

8/3(토) 딥러닝 시계열 모형 구조 분석

II 강의 주제 강의 내용
1 시계열 데이터 변환 시계열 데이터를 지도학습 모형 데이터로 전환,
3D 데이터
2 MLP 시계열 모형 다변량/일변량, 다기간, 다변량 다기간 MLP 예측 모형
3 CNN 시계열 모형 다변량/일변량, 다기간, 다변량 다기간 CNN 예측 모형
4 LSTM 시계열 모형 다변량/일변량, 다기간, 다변량 다기간 LSTM 예측 모형

8/10(토) 일변량 예측

III 강의 주제 강의 내용
1 일변량 시계열 예측 개요 전통적 시계열 예측 방법에 의한 일기간/다기간 예측
2 추세 및 계절성 문제 무추세 유계절성/유추세/유계절성/유추세 유계절성
3 ETS 모형 Exponential Smoothing Model의 구조 및 특징 이해
4 SARIMA 모형 SARIMA 모형의 구조 및 특징 이해
5 MLP/CNN/LSTM 시계열 예측 MLP/CNN/LSTM 시계열 예측 모형 구성 방법
6 Grid Search 딥러닝 예측 모형 파라미터 최적화를 위한 Grid Search

8/17(토) 다기간 예측

IV 강의 주제 강의 내용
1 다기간 단순 예측 에너지 소비 데이터를 이용한 단순 예측 모형 구축
2 ARIMA 예측 ARIMA 모형을 이용한 다기간 예측 모형 구축
3 CNN 예측 다기간 예측, 일변량/다채널/다변량 CNN 예측 모형
4 LSTM 예측 Encoder-Decoder, CNN-LSTM, ConvLSTM 모형

8/24(토) 시계열 분류 모형

IV 강의 주제 강의 내용
1 딥러닝을 이용한 인간 행태 분석 개요 인간 행태 분석을 위한 딥러닝 모형 설계
2 인간 행태 데이터 휴대전화 사용 행태 데이터 분석
3 ML 인간행태분석 모형 Feature Engineering을 통한 ML 모형 구축
4 CNN 인간행태분석 모형 인간 행태 분석을 위한 CNN 모형 설계
5 LSTM 인간행태분석 모형 인간 행태 분석을 위한 CNN-LSTM 모형 설계

 

상품평

아직 상품평이 없습니다.

상품을 구매한 로그인 고객만 상품평을 남길 수 있습니다.

연관 상품