(오프라인 > 데이터 사이언스) 인공지능 시스템트레이딩 I: 강화학습기반 주식투자시스템, 10/5(토) 개강

880,000

본 강의는 Reinforcement Learning(RL) 알고리듬을 주식데이터 분석에 적용한 투자의사결정 지원시스템 구현 방법을 소개하기 위해 기획되었습니다. 학습 내용을 바로 실무에 적용하실 수 있도록 시스템 트레이딩에 관한 각종 이론 설명뿐만 아니라 Python을 이용한 데이터 분석 및 모형 구축 실습을 병행합니다. Python 입문에 대해서는 개강 전에 강의자료를 제공해드리고 오프라인 강의에서는 강화학습 알고리듬 구조 및 이를 활용한 트레이딩 모형 구축 설명에 집중하여 시간과 비용을 크게 줄였습니다. 주중 업무 부담으로 인해 강의 참석이 어려운 분들을 위해 강의는 토요일 오후 시간대에 진행됩니다. 오프라인 강의 종료 후 2개월간 녹화 동영상이 제공됩니다.

수강신청클릭!!

일자 (요일) 주제 강의 내용
사전교육 Python 입문 설치 및 기본적 사용법, 데이터 입출력
10/5(토) 금융공학을 위한 강화학습(RL) 입문 RL 개요, 주요 구현 방법,

트레이딩에 활용하는 방법

10/12(토) RL 기반 주식투자 시스템 개발 I 시스템 개요, 모듈 개발
10/10(토) RL 기반 주식투자 시스템 개발 II 데이터 획득, 모델 구축/검증/활용
10/26(토) RL 기반 주식투자 시스템 개발 III 커스터마이징, GPU 활용

RL: Reinforcement Learning(강화학습)

카테고리:

설명

개강 2019년 10월 5(토)  오후 2시
일정 2019년 10/5 – 10/26,  매주 토요일 오후2시~7시(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
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.

수강신청서(인공지능 시스템트레이딩 1, 10/5 개강)
수강목적
사이트를 알게된 경위


10/5(토) 금융공학을 위한 강화학습(RL) 입문

I 강의 주제 강의 내용
1 RL 개요 Markov Decision Process,

Key Attributes(Reward, Policy, Action, States, Transition function),

Agent-Environment Interface(Agent, Environment, Action, Perception, Reward, Goal)

Learning Types(Off-policy learning, On-policy learning, Direct Learning, Indirect learning)

2 RL 주요 구현 방법 Monte Carlo Method,

Certainty Equivalence,

Dynamic Programming,

Policy Gradient,

Simple Decision Theory,

eligibility Traces,

Temporal Difference,

3 Temporal Difference Q-Learning,

Actor-Critic,

R-Learning,

SARSA

4 트레이딩에 활용 Q-Learning model: RL을 지도학습으로 전환, Q-Learning 모형 정의, Catch

Bellman equation: Bellman equation 정의 및 용도, actor-critic 모형, evolutionary strategy, genetic algorithm

RL Engineering: Reward function 디자인, Robust RL

첨단 RL 이론: Multi-agent RL, Learning how to learn

10/12(토) RL 기반 주식투자 시스템 개발 I

III 강의 주제 강의 내용
1 RL을 이용한 주식투자 개요 강화학습 전략 및 효과 이해,

차트데이터/학습데이터,

주식투자 강화학습 절차

2 개발 환경 구성 Anaconda/PyCharm/TensorFlow/Keras 설치
3 RL 트레이딩 시스템 구조 모듈 구조 및 개요
4 모듈 개발 환경/에이전트/정책신경망/시각화/정책학습

10/19(토) RL 기반 주식투자 시스템 개발 II

IV 강의 주제 강의 내용
1 주식 데이터 획득 증권사 HTS/API 또는 포털에서 주식 데이터 획득 방법
2 모델 구축 데이터 전처리, 데이터 학습, 결과 확인
3 모델 검증 투자 시뮬레이션
4 모델 활용 모델 적용 사례 분석

10/26(토) RL 기반 주식투자 시스템 개발 III

IV 강의 주제 강의 내용
1 커스터마이징 에이전트/정책신경망/학습데이터 커스터마이징
2 GPU 활용 1 하드웨어 준비
3 GPU 활용 2 CUDA 툴킷 설치, cuDNN 설치
4 GPU 활용 3 GPU 버전 Tensorflow 및 Keras 설치

 

<수업 대상>

  • 시스템 트레이딩 분야에 관심을 가지신 분: 인공지능을 활용한 첨단 트레이딩 시스템 개발은 빅데이터 보급과 첨단 머신러닝 알고리듬의 등장으로 금융공학 분야에서 크게 주목을 받고 있습니다. 인공지능과 금융공학 분야에서 오랜 경험과 연구를 한 강사의 지식을 공유하실 수 있습니다.

 

  • 인공지능 관련 학위 논문 작성 중이신 분: 인공지능 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.

 

  • 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.