설명
| 개강 | 2019년 11월 24(일) 오후 1시 |
| 일정 | 2019년 11/24 – 12/15, 매주 일요일 오후1시~6시(5시간씩 4회) |
| 장소 | 토즈 모임센터 서울대입구역점 (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.
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.