설명
| 개강 | 2019년 5월 25(토) 오후 1시 |
| 일정 | 2019년 5/25, 6/01, 6/15, 6/22, 토요일 오후1시~6시(5시간씩 4회) |
| 장소 | 토즈 모임센터 서울대입구점 (지하철2호선 서울대입구역4번출구, 도보1분) |
| 강사 | 한창호, 콴트글로벌 대표 / 경제학박사 |
| 문의 | crm@quantglobal.co.kr, 02.761.8090 |
| 기타 | 실습을 위한 노트북 컴퓨터 지참 필수 |
| 특징 | 수료증 발급. 조기신청 할인(5/15일까지) |
| 사전교육 1 | Python 입문 동영상 강의 제공(2019.5월 중 오픈) |
| 사전교육 2 | Machine Learning 입문 동영상 강의 |
| 사후교육 | 강의 녹화 동영상 3개월간 제공. 강의 후 2일내 업로드됨 |
수강신청
수강 신청을 먼저 하시고 결제는 개강 확정 이후에 하시면 됩니다.
5/25(토) 시계열 및 DNN 입문
| 시계열 입문 |
| 정주성 개념 및 의미, 기본 시계열 모형 구조, PACF 설명 |
| Python을 이용한 시계열 데이터 생성 실습 |
| DNN 입문 |
| ANN과 DNN 개요, 특징, 구성요소 설명
scikit-learn 패키지 사용하여 MLP 구성 및 실습 |
| Activation 함수 종류, 데이터 전처리 방법 설명
nnet-ts 패키지 사용하여 일변량 일기간 예측 모형 구성 실습 |
6/1(토) RNN 및 NARX를 이용한 시계열 예측
| RNN |
| RNN 구조 및 작동원리, 모형 확장 및 데이터 전처리 방법 설명
Keras 이용한 RNN 모형 구성 다변량 입력-일변량 예측 실습 |
| pyneurgen 패키지 이용하여 Elman RNN 및 Jordan RNN 모형 구성
다변량 입력-일변량 예측 실습 |
| NARX |
| NARX 모형 정의 및 특징 설명 |
| pyneurgen 패키지 이용하여 NARX 모형 구성 및 실습 |
6/15(토) LSTM및 GRU를 이용한 시계열 예측
| LSTM |
| LSTM 구조, 특징, 용도 설명 |
| Keras와 Tensorflow 이용한 LSTM 구성 및 실습
Shuffling을 통한 모형 성능 향상 실습 |
| GRU |
| GRU 구조, 특징, LSTM과의 차이점 설명 |
| Keras와 Tensorflow 이용한 GRU 구성 및 실습 |
6/22(토) 다변량 예측 및 모형 성능 향상 기법
| 다변량 예측 |
| 다변량 예측 모형 정의, 데이터 전처리 설명 |
| Keras와 Tensorflow 이용한 다변량 예측 모형 설계 및 실습 |
| 모형 성능 향상 기법 |
| Rectified Linear Unit(ReLU) Activation Function 특징
Keras를 이용한 ReLU 효과 검증 실습 |
| Dropout 정의, Keras를 이용한 Dropout 적용시 나타나는 효과 검증
Early Stopping 정의, 적용 방법 설명 및 효과 검증 실습 |
<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
- NARX : Nonlinear Auto-Regressive Network With Exogenous Inputs, 외생변수를 포함하는 시계열 모형으로서 시계열 모형과 구조화 모형의 장점을 결합한 모형
- LSTM : Long Short-Term Model, RNN 모형의 기억능력 보강한 모형으로 시각/음성 데이터 분석에 널리 활용됨
- GRU : Gated Recurrent Unit, LSTM을 개선한 모형
- Feature Engineering : 머신러닝 모형의 성능을 최대한 끌어낼 수 있도록 입력변수를 선택하고 튜닝하는 기법
<수업 대상>
- 시계열 예측을 실무에 적극 활용하시고 싶은 분: 수요 예측, 경기 예측, 변동성 예측, 주가 예측 등
- 딥러닝 관련 학위 논문 작성 중이신 분: 딥러닝 및 시계열 분석 전반에 걸친 조언을 수업시간과 휴식시간을 통해서 해드리고 개인적으로도 적극 도와드리겠습니다.
- 전직 및 이직을 준비 중이신 분: 인공지능, 데이터 사이언스 및 관련 분야에 대한 각종 정보와 전직 및 이직에 대한 조언을 해드리겠습니다.
- 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.
- 금융공학, 계량경제학, 기계학습 분야에 조언이 필요하신 분: 강사의 경험과 인적 네트워크를 활용하여 적극적으로 도와드리겠습니다.
이태욱 (인증된 구매자) –
작년부터 딥러닝/머신러닝 관련 책도 보고 여러 강의도 들어 왔지만 개념이 잡히지 않아서 많은 혼돈이 있었는데 한박사님의 강의를 듣고 확실한 개념이 잡히게 되었습니다.이렇게 짧은 시간에 딥러닝을 전반적으로 배우게 되어서 아주 유익한 수업이었습니다.또한 회사에서 진행되는 딥러닝 프로젝트에서의 문제점도 박사님 강의를 통해서 많이 해결된거 같습니다.
수업에서 이용된 소스는 실무에서 아주 잘 활용될 거 같습니다.
고급과정에서도 뵙겠습니다.
daesun.wee@gmail.com (인증된 구매자) –
딥러닝을 이용한 시계열 예측에 관심이 생겨 3년 전부터 책이나 무료로 구할 수 있는 자료로 혼자서 공부를 해 봤지만, 기본 이론을 배우지 않은 상태에서 성과가 나지 않았습니다. 또 일반적으로 사용하는 예제 데이터 분석만 하다 보니 좀 더 다양한 실제 자료 분석 경험을 쌓고 싶은 생각도 들었습니다.
4주 동안 강의를 듣고 나니, 그 동안 느꼈던 갈증을 상당 부분 해결할 수 있었습니다. 기본 이론 설명, 다양한 예제 분석에 더하여, 선생님께서 실무 경험자로서 파악하신 science와 art의 경계 등 매우 많은 것을 얻어갑니다. 중급 과정에 만족하여 고급 과정도 바로 이어 수강할 예정입니다.
gohskang (인증된 구매자) –
프로그래머가 아닌 경영자로서 축적된 경영 노하우를 데이터화하고 이를 사업지속가능성 확보를 위해 기본적인 개념과 이를 실제 활용하는 방법을 습득하고 현업에 적용할 수 있는 훌륭한 시간들 이었습니다.
모든 경영자에게 권합니다.
멧돼지 (인증된 구매자) –
교수님의 열정적이고 핵심을 꼭 집어주는 강의에 감사드립니다. 상당히 많은고 깊은 내용들이라…이를 제대로 이해하고 활용한다면 해당분야에 뒤지지 않은 지식을 축적가능하다고 생각됩니다. 6월 한달 알차게 보낸 것 같습니다. 다시 또 뵙겠습니다. 수강하신 분들도 수고하셨습니다. 올 한해 건승하십시요. 화이팅~~!!!
조환영 (인증된 구매자) –
기본적인 케라스 딥러밍 프레임웍에 대한 지식뿐 아니라 금융도메인에 대한 깊은 이해와 많은 경험으로 제시해주시는 인사이트가 정말 실무에 강력하게 도움이 되었습니다.
인공지능 딥러밍 구조의 api usage 소개가 아닌 핵심적인 원리의 정확한 이해를 바탕으로 사용할 수 있게 되어 이번 수강이 너무 다행스럽게 느껴지고, 이어지는 고급 과정 역시 너무 기대가 됩니다
이런 원리와 통찰력에 대한 훈련없이 막무가내로 업무를 진행했던 점이 반성되는 최고의 강의입니다!!!! 감사합니다!!!
전재후 (인증된 구매자) –
인공지능 분야에서 제대로된 멘토가 없이는 헤매는 경우가 많은 것 같습니다. 무작정 따라하자니 수학적인 지식이 부족해 너무 이론적으로 다가가다가 지치기도 하고 일단하고 보자는 마음에 텐서플로/케라스를 사용해서 결과를 얻어보지만 개념이 부족해 확장을 못하기도 합니다. 그렇지만 한박사님 강의에서는 전체적인 그림을 보고 산발적으로만 가지고 있던 지식이 이어지도록 이끌어주십니다. 무엇보다 ‘왜’에 대한 이유에 대해서 명확히 가르쳐 주셔서 독학하면서 답답했던 부분들이 많이 해소되었습니다. 혹시 저와 비슷한 경험을 하신분들이 계시다면 적극 추천드립니다. 다만 ‘중급’이니 만큼 기초적인 지식 없이는 이해에 어려움이 있을수도 있으니 참고 하시면 좋을 듯 합니다. 강의 마무리와 더불어 앞으로 뭘해야할지 명확해졌습니다. 훌륭한 멘토가 간절하신 분들이라면 적극 추천드립니다.
이인환 –
회사에서 AI를 이용한 Algorithm Trading System 개발을 위해 준비하던 중 콴트글로벌을 알게 되어 단기간에 AI지식을 잘 습득할 수 있었습니다.특히 교수님은 금융분야에 직접적인 경험을 가지신 분이라 단순 지식으로 공부 뿐만 아니라,실무적인 적용에 대해서도 실질적인 내용으로 설명해 주셔서 더욱 좋았습니다.
콜제임스 –
딥러닝 강의에 아주 좋았습니다.파이썬 코딩이 중급 수준에 적당하고 어렵지는 않았습니다.교수님은 모형,코드,개념에 대해서 정말 잘 설명해 주셨습니다. 하나씩 하나씩 새로운 개념을 설명하셔서 강의가 한번도 힘들지 않았습니다.이해하기 쉬운 강의!! 반드시 추천하겠습니다.