탈잉 - 세상의 모든 재능
다회차 수업
09.27(일)
14:00~19:00
|
신림
2회 : 10.11 (일) 14:00~19:00
3회 : 10.18 (일) 14:00~19:00
4회 : 10.25 (일) 14:00~19:00
5회 : 11.01 (일) 14:00~19:00
6회 : 11.08 (일) 14:00~19:00
상세장소 : 토즈 서울대입구역점
서울대입구역 4번 출구에서 도보로 1분 거리에 있는 토즈 서울대입구역점으로 와 주세요. 강의실은 토즈 안내데스크에서 안내받으시길 바랍니다.
실시간 톡
₩22,000원 / 시간
₩660,000 / 총 6회 30시간
한창호
데이터사이언스
딥러닝 시계열 예측 고급과정, 9/27(일) 오후 2시 개강
찜하기
  • 5시간/회
  • 최대인원:3~5
  • ₩22,000/시간

튜터정보

  • Univ. of California, San Diego 경제학 박사
  • 신분 인증 됨
  • (학력인증추가)서울대학교 경제학 학사
  • (학력인증추가)서울대학교 경제학 석사
<주요 경력>
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 (자본시장통합법, 지급결제, 한-미 FTA, 전자금융)
(주)한국기업평가 (리스크관리 컨설팅, BASEL II 컨설팅, 구조화금융상품 및 벤처기업 신용평가)
에너지경제연구원 (국제유가 전망 및 동향 분석, WTO 에너지 서비스 협상)
University of California, San Diego, 경제학 박사 (계량경제학 전공)
서울대학교 대학원 졸업, 경제학 석사
서울대학교 경제학과 졸업, 경제학 학사

<강의 관련 주요 학술 저술>
"The DNA of Security Return", Quantitative Finance, vol.15, no.1, pp. 1-17. 2015.
"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 Applied Finance and Banking, vol. 4, no. 1, 2014.
"금융경쟁력 결정요인에 대한 실증연구", 국제경제연구, Vol. 13, No.3, pp. 53-75, 2007.
"NAFTA와 외환위기 이후 멕시코 금융산업", 라틴아메리카연구, Vol II, No. 1, pp. 55-79, 2007.
기업신용위험분석, 금융연수원, 2002.
"Multi-Variate Estimation and Forecasting with Artificial Neural Networks", 박사학위논문, UCSD, 1999.
"비모수적 분포무관인 구조변화 검증통계량", 석사학위논문, 서울대학교, 1991.

수업소개

현재 6기 수강 모집(2020/9/27 개강) 안내입니다.

...........................................................................................................................................................................

본 강의는 딥러닝 알고리듬 중 시계열 데이터 분석에 최적화된 알고리듬들을 결합하여 미래를 예측하는 다변량 다기간 예측 시스템을 Python 코딩을 통해 구현하는 방법을 담고 있습니다.

강의는 2020/9/27(일) 오후 2시에 개강하여 11/8(일)까지 6주간 매 토요일마다 5시간씩 총 30시간으로 구성되어 있습니다.
10/4일은 수업이 없습니다. (수업일: 9/27, 10/11, 11/18, 11/25, 11/1, 11/8)

본 강의에서는 기존 통계 분석 방법으로는 다루기 힘든 비선형 시계열 데이터를 CNN(Convolutional Neural Networks)과 RNN(Recurrent Neural Networks) 알고리듬을 결합한 최신 기법으로 분석하여 데이터 종류와 목적에 가장 알맞게 미래를 예측하는 시스템 구현 방법에 대해 체계적으로 설명 드립니다.

뿐만 아니라 기존 시계열 분석 모형 중 포괄범위가 가장 넓은 SARIMA(Seasonal AutorRegressive Integrated Moving average) 모형과의 대비를 통해 딥러닝 시계열 분석 방법을 도입할 경우 얻게 되는 효과를 실증적으로 보여드립니다.

예측 모형의 파라미터를 최적화하는 첨단 기법에 대해서도 예제를 통해 경험하실 수 있습니다.

매 강의마다 코딩 실습이 있으므로 노트북을 지참해주시길 바랍니다. 실습에 필요한 모든 소스코드와 데이터가 제공됩니다.

수업대상

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

    2) 딥러닝 이론 및 활용에 관한 고급 지식과 실용 사례를 실습을 통해 경험하고 싶으신 분

    3) 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: 딥러닝 시계열 예측 기법을 이용한 알고리듬 트레이딩 시스템 개발에 관심을 가지신 분들은 강사의 오랜 경험을 공유하실 수 있습니다.

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

커리큘럼

1회차

시계열 예측 모형 입문

1) 시계열 예측 관련 주요 개념
- 외생변수, 내생변수
- 회귀분석, 분류분석
- 비구조화, 구조화
- 일변량, 다변량
- 일기간, 다기간
- 정태분석, 동태분석
- 연속형, 이산형
2) 전통적 예측 방법
- 단순 예측
- AR 예측
- Exponential Smoothing
- MA 예측
3) 주요 딥러닝 시계열 예측 모형 개요 및 장단점
- MLP(Multilayer Perceptron)
- CNN(Convolutional Neural Networks)
- RNN(Recurrent Neural Networks)
4) 시계열모형을 지도학습모형으로 전환하는 방법
- 지도학습모형 개요
- Sliding window
- 데이터 전처리

2회차

딥러닝 시계열 모형 구조 분석

1) 시계열 데이터 변환
- 시계열 데이터를 지도학습 모형 데이터로 전환하는 방법
- 3D 데이터 구조 활용 방법
2) MLP 시계열 모형
- 다변량 및 일변량 예측 모형 비교 설명
- 일변량 다기간 예측 모형
- 다변량 다기간 예측 모형
3) CNN 시계열 모형
- 다변량 및 일변량 예측 모형 비교 설명
- 일변량 다기간 예측 모형
- 다변량 다기간 예측 모형
4) LSTM 시계열 모형
- 다변량 및 일변량 예측 모형 비교 설명
- 일변량 다기간 예측 모형
- 다변량 다기간 예측 모형

3회차

일변량 다기간 예측 1

1) 일변량 시계열 예측 개요
- 전통적 시계열 예측 방법에 의한 일기간/디기간 예측
2) 추세 및 계절성 문제
- 추세 유/무와 계절성 유/무 조합에 따른 모형별 특징 분석
3) ETS 모형
- Exponential Smothing Model의 구조 및 특징 이해
4) SARIMA 모형
- SARIMA 모형의 구조 및 특징 이해

4회차

일변량 다기간 예측 2

1) MLP 시계열 예측
- MLP 시계열 예측 모형 구성 방법
2) CNN 시계열 예측
- CNN 시계열 예측 모형 구성 방법
3) LSTM 시계열 예측
- LSTM 시계열 예측 모형 구성 방법
4) Grid Search
- 딥러닝 예측 모형 파라미터 최적화를 위한 Grid Search

5회차

다기간 예측

1) 다기간 단순 예측
- 에너지 소비 데이터를 이용한 단순 예측 모형 구축
2) ARIMA 예측
- ARIMA 모형을 이용한 다기간 예측 모형 구축
3) CNN 예측
- 다기간 예측
- 일변량/다채널/다변량 CNN 예측 모형
4) LSTM 예측
- Encoder-Decoder
- CNN-LSTM
- ConvLSTM 모형

6회차

시계열 분류 모형

1) 딥러닝을 이용한 인간 행태 분석 개요
- 인간 행태 분석을 위한 딥러닝 모형 설계
2) 인간 행태 데이터
- 휴대전화 사용 행태 데이터 분석
3) ML 인간행태분석 모형
- Feature Engineering을 통한 ML 모형 구축
4) CNN 인간행태분석 모형
- 인간 행태 분석을 위한 CNN 모형 설계
5) LSTM 인간행태분석 모형
- 인간 행태 분석을 위한 CNN-LSTM 모형 설계

리뷰(3)

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

수업과 관련해서
궁금한 점이 있으세요?

실시간 톡하기
튜터와 더 편리하게 소통해 보세요

탈잉 어플리케이션을 스마트폰에 설치하면 메세지 알림을 받으실 수 있습니다.