설명
| 개강 | 2020년 4월 3(금) 오후 7시 |
| 일정 | 2020년 4/3~5/22 매주 금요일 오후7시~10시(3시간씩 8회) |
| 장소 | 토즈, 서울대입구역점 (지하철 2호선 서울대입구역 4번출구, 도보 1분) |
| 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 강의자료(PPT, 소스코드) 제공 |
| 사후교육(고급) | 강의 녹화 동영상 3개월간 제공. 강의 후 2일내 업로드됨 |
수강신청
수강 신청을 먼저 하시고 결제는 개강 확정 이후에 하시면 됩니다.
4/03(금) 벤치마킹/프로파일링
| I | 강의주제 | 강의 내용 |
| 1 | test, benchmark | 프로그램의 정상적 동작 확인 및 성능 확인 |
| 2 | pytest_benchmark | pytest_benchmark 를 활용한 테스터 및 벤치마킹 방법 |
| 3 | cProflier | cProflier 이용한 병목 발견 |
| 4 | line_profiler | line_profiler를 이용한 병목 분석 |
| 5 | memory_profiler | 메모리 사용 최적화 |
4/10(금) 옵티마이징
| I | 강의주제 | 강의 내용 |
| 1 | 내장 데이터 구조 | 파이썬 내장 데이터 구조를 이용한 프로그램 병목 해결 |
| 2 | Caching | 메모리 또는 디스크의 임시 저장소에 계산 결과 저장 |
| 3 | Memoization | 이전의 함수 호출 결과를 저장했다가 다시 사용 |
| 4 | Comprehensions | for-loop 를 대체하여 프로그램의 속도 향상 |
| 5 | Generators | for-loop 를 대체하여 프로그램의 속도 향상 |
4/17(금) 고속 배열 연산
| I | 강의주제 | 강의 내용 |
| 1 | array | NumPy의 배열 구조를 활용한 고속 연산 |
| 2 | broadcasting | 모양이 다른 배열간의 연산 규칙을 활용한 고속연산 |
| 3 | numexpr | Numexpr 활용한 배열 연산 속도 향상 |
| 4 | Indexing | Pandas series 및 dataframe 인덱싱을 활용한 고속 연산 |
| 5 | DB형 연산 | Pandas 명령어를 활용한 DB 유형의 연산 |
4/24(금) Cython활용
| I | 강의주제 | 강의 내용 |
| 1 | Static Typing | 파이썬의 dynamic typing을 static typing으로 전환 |
| 2 | Sharing declaration | 별도의 파일에 자주 사용되는 함수 및 클래스 저장 |
| 3 | C array | NumPy array 를 C array 로 대체 |
| 4 | Typed memoryviews | Typed memoryviews 활용한 고속 연산 |
| 5 | 프로파일링 | Cython 프로그램 작동 속도 향상 |
5/1(금) Numba, PyPy 활용
| I | 강의주제 | 강의 내용 |
| 1 | JIT | Just-In-Time compiler 개념 소개 |
| 2 | Numba 설치 | 라이브러리 설치 및 세팅 |
| 3 | Numba 사용 | 파이썬 코드를 실시간으로 기계어 코드로 전환 |
| 4 | PyPy | 라이브러리 설치 및 세팅 |
| 5 | PyPy 사용 | 코드를 실시간 분석하여 느린 loop를 자동적으로 최적화 |
5/8(금) Concurrency
| I | 강의주제 | 강의 내용 |
| 1 | 비동기 프로그래밍1 | I/O 대기, 병행성 |
| 2 | 비동기 프로그래밍2 | Callbacks, Futures, Event Loop |
| 3 | Asyncio 프레임워크 | Coroutines 으로 blocking 코드를 non-blocking으로 전환 |
| 4 | 반응형 프로그래밍1 | RxPy를 이용한 반응형 프로그래밍 |
| 5 | 반응형 프로그래밍2 | Observables 개념 소개 및 활용 |
5/15(금) 병렬 처리
| I | 강의주제 | 강의 내용 |
| 1 | 병렬 프로그래밍 | 개념 소개 |
| 2 | 다중 코어 활용 | Process, Pool, Executor interface, Synchronization. Locks |
| 3 | OpenMP | Cython 코드 병렬화 |
| 4 | GPU 활용 1 | Theano 코드를 GPU에서 실행 |
| 5 | GPU 활용 2 | Tensorflow 코드를 GPU에서 실행 |
5/22(금) 분산 처리
| I | 강의주제 | 강의 내용 |
| 1 | 분산 처리 | 개념 소개 |
| 2 | MapReduce | MapReduce를 이용한 분산처리 |
| 3 | Dask | Dask array, Dask Bag/Data Frame, Dsak distributed |
| 4 | PySpark | PySpark 설치 및 세팅, 사용법 소개 |
| 5 | mpi4py | mpi4py 이용한 과학 연산 |
<수업 대상>
- 고급 파이썬 프로그래밍 기법을 익히고 싶으신 분: 대규모 데이터를 고속으로 처리해야 하는 인공지능 개발 및 데이터 사이언스 분야에 종사하시면서 생산성을 획기적으로 높일 수 있는 고급 코딩 지식에 갈증을 느끼시는 분들께 아주 유용한 강좌입니다.
- 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.