위치

요일

가능
시간
(날짜)

  • 오후1시-6시 (2019-07-28)
  • 오후1시-6시 (2019-08-04)
  • 오후1시-6시 (2019-08-11)
장소 : 강남 토즈타워점
추가비용 : 없음
6/29(토) 개강 2기 강의에 등록하신 분들은 예정대로 6/29(토) 오후 1시까지 수업장소(토즈 서울대입구역점)로 와주시길 바랍니다. 현재 3기(7/28개강) 접수중입니다. 3기 수업장소는 강남역 3번 출구에서 도보로 3분 거리에 있는 강남토즈타워점에서 진행됩니다. 구체적인 강의실은 수강인원에 따라 결정됩니다. 토즈 안내데스크에서 확인하시길 바랍니다.
₩20,000원 / 시간
₩400,000 / 총 4회 20시간
실시간 톡하기 찜하기
한창호
데이터사이언티스트
Python으로 배우는 딥러닝 시계열 예측(중급) 7/28(일) 오후 1시 개강
  • 강남, 강남
  • 5시간/회
  • 최대인원:4~15
  • ₩20,000/시간

튜터정보

  • Univ. of California, San Diego 경제학 박사
  • 신분 인증 됨
  • (학력인증추가)서울대학교 경제학 학사
  • (학력인증추가)서울대학교 경제학 석사
현재 고려대학교 기술경영전문대학원 겸임교수(인공지능, 빅데이터 강의)
확인사이트 : https://mot.korea.ac.kr/members/list_hi.asp?board_name=faculty&gubun=K
밑에서 3번째 라인 확인

가톨릭대학교 산업수학센터 연구교수(산업수학 프로젝트)
가톨릭대학교 수학과 겸임교수(계량경제학, 수리금융 강의)
성균관대학교 경영대학 겸임교수(금융공학 강의)
삼성금융연구소
(주)한국기업평가
에너지경제연구원
University of California, San Diego, 경제학 박사(계량경제학 전공)
서울대학교 대학원 졸업, 경제학 석사
서울대학교 경제학과 졸업, 경제학 학사

<관련 주요 학술 저술>
“The DNA of Security Return”, Quantitative Finance, vol.15, no.1, pp. 1-17. 2015
Quantitative Finance 2015년 1월 표제논문(Featured paper)으로 선정됨
https://www.tandfonline.com/doi/full/10.1080/14697688.2014.920100
“수익률 DNA를 이용한 금융시장 분석 방법론”, 자산운용연구, vol 2, no.1, pp 82-106, 2014.
“Measuring the Dependency between Securities via Factor-ICA Models”, Journal of AppliedFinance and Banking, vol. 4, no. 1, 2014.
“Multi-Variate Estimation and Forecasting with Artificial Neural Networks”,
(인공신경두뇌망을 이용한 다변량 추정 및 예측)
박사학위논문, UCSD, 1999.

수업소개

2기(6/29, 토 개강)는 접수 마감되었습니다. 6/29일 개강일 수업에 등록하신 분들은 예정대로 6/29일 오후 1시에 서울대입구역 토즈로 오시길 바랍니다.

3기 접수중입니다.
...........................................................................................................................................................................

"Python으로 배우는 딥러닝 시계열 예측(중)"은 딥러닝 알고리듬 중에서 시계열 분석에 적합한 알고리듬을 선별하여 각 알고리듬의 구조와 특징 및 시계열 분석에 적용하는 방법에 대해 자세히 살펴봅니다.

강의는 7/28(일) 오후 1시에 개강하며, 매주 일요일마다 4주간 수업이 진행됩니다. (7/28, 8/4, 8/11, 8/18)

딥러닝 모형은 시각정보나 언어정보 처리에 있어서 기존의 기계학습 알고리듬에 비해 탁월한 성능을 발휘하여 인간의 시각지능이나 언어지능을 인공적으로 구현하는 데 핵심적인 기여를 하고 있습니다. 시각정보나 언어정보는 본질적으로 시계열 데이터 속성을 강하게 지니고 있습니다. 이런 유형의 데이터를 잘 처리하기 위해서는 기억 능력을 보유해야 합니다. 예를 들자면, 단어를 순서대로 전개해야 의미가 통하는 문장이 되는데 단어를 순서대로 전개하기 위해서는 직전에 무슨 단어가 나왔는지 잘 기억해야 한다는 것입니다.

DNN 모형중에서 RNN(Recurrent Neural Networks) 모형은 은닉층 또는 출력층에서 입력층으로 정보가 피드백되는 구조를 지니고 있어서 네트워크가 단기 기억능력을 지닐 수 있습니다. RNN 모형의 한 부류인 LSTM(Long Short Term Model)은 장기 기억능력도 제공합니다.

통계학적 시계열 모형은 어떤 변수의 현재값을 변수 자신의 과거값들의 가중평균과 교란항의 현재 값으로 표현(자기상관모형)하거나 또는 교란항 과거값들의 가중평균과 교란항의 현재 값으로 표현(이동평균모형)합니다. 어느 정도까지의 과거값을 사용해야 주어진 시계열 데이터를 제대로 모델링 할 수 있는지는 시계열 데이터의 차수가 결정합니다. 모형의 구조와 차수를 추정하기 위해 다양한 통계적 기법을 동원하고 있지만 본질적으로 선형모형인 통계학적 시계열 모형으로는 매우 복잡한 비선형적 데이터 생성 확률과정을 지닌 시계열 데이터를 다루기에는 한계가 있습니다.

따라서, 최근에는 딥러닝 모형으로 시계열 데이터 깊은 곳에 숨겨져 있는 패턴을 찾아내어 미래 예측에 활용하고 있는데, 그 성능이 기존의 통계적 분석 방법으로는 실현 불가능한 수준에 도달해 있습니다.

본 강의에서는 Keras와 TensorFlow를 이용하여 시계열 데이터 분석에 필요한 딥러닝 모형들을 기본형부터 고급형까지 차례대로 구축하여 다양한 데이터를 실제 적용하여 예측 성능을 살펴보고 그 성능을 향상시킬 수 있는 각종 튜닝 방법을 자세히 설명합니다.

모든 강의는 "Learning By Doing(실습을 통한 이해)" 방식으로 진행되므로 별도의 사전 지식을 요구하지 않습니다. 시계열 모형에 대한 기본 지식이나 Python 코딩에 대해서도 수업 중간 중간에 필요한 내용을 자세히 설명드리므로 이 분야에 대한 사전 지식이 없어도 수강하시는 데 아무런 불편이 없습니다.

매 수업시간마다 실습이 있으므로 노트북을 반드시 가져오셔야 합니다. OS는 윈도우, 맥, 리눅스 모두 가능합니다.

실무나 논문 작성에 바로 활용하실 수 있도록 Python으로 작성된 모든 소스 코드와 실습용 데이터를 제공해드립니다.

Python은 아나콘다 배포판을 수업시간에 함께 설치하여 기본 사용 방법을 설명드리므로 코딩 초보자들도 아무런 문제 없이 수업에 참여 하실 수 있습니다. (강사는 20년 가까운 강의 경력을 지니고 있으며 매 강의 시간에 실습 조교가 도와드립니다.)

수업대상

  • 1) 시계열 예측을 실무에 적극 활용하시고 싶은 분: 수요 예측, 경기 예측, 변동성 예측, 주가 예측 등

    2) 딥러닝 관련 학위 논문 작성 중이신 분: 딥러닝 및 시계열 분석 전반에 걸친 조언을 수업 시간과 휴식시간을 통해서 해드리고 개인적으로도 적극 도와드리겠습니다.

    3) 전직 및 이직을 준비 중이신 분: 인공지능, 데이터 사이언스 및 관련 분야에 대한 각종 정보와 전직 및 이직에 대한 조언을 해드리겠습니다.

    4) 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.

    5) 금융공학, 계량경제학, 기계학습 분야에 조언이 필요하신 분: 강사의 경험과 인적 네트워크를 활용하여 적극 도와드리겠습니다.

커리큘럼

1회차

시계열 및 DNN 입문
1) 정주성 개념 설명, 기본 시계열모형 설명
2) Python을 이용한 기본 시계열 데이터 생성 실습
3) ANN(인공신경두뇌망), DNN(심층인공신경망) 구조 및 특징 설명
4) nnet-ts 패키지를 이용한 일변량 시계열 일기간 예측 모형 설계 및 실습
* 한국석유공사 통계자료 이용한 월별 국내 휘발유 수요 예측

2회차

RNN 및 NARX를 이용한 시계열 예측
1) RNN, NARX 정의 및 특징 설명
2) Keras 패키지 이용한 다변량 입력-일변량 예측 모형 설계 및 실습
* 싱가폴 자동차 보유허가증 데이터 이용한 경매 낙찰 가격 예측
3) pyneurgen 패키지 이용한 외생변수 시계열 포함 예측 모형 설계 실습
* 영국중앙은행 거시 경제자료를 활용한 실업률 예측

3회차

LSTM및 GRU를 이용한 시계열 예측
1) LSTM, GRU 정의 및 특징과 차이점 설명
2) Keras, Tensorflow 를 이용한 다기간 기억 예측 모형 설계 및 실습
* 통신사 전파 장애 야기하는 태양 흑점 활동 예측

4회차

다변량 예측 및 모형성능 향상 기법
1) Feature Engineering 기법 설명
2) ReLU, Drop Out, Early Stopping 등 모형성능 향상기법 설명
3) Keras, Tensorflow 를 이용한 다변량 예측 모형 설계 및 실습
* FSTE100, DowJones Industrial Index 활용한 지수변동성 예측

리뷰(1)

리뷰쓰기
5.0
  • 커리큘럼
  • 전달력
  • 준비성
  • 친절도
  • 시간준수

실시간톡

실시간 톡하기

위치

지도가 들어갑니다.