배움을 재밌게, 탈잉!
  • 다회차
  • 최대 4명

인공지능 개발을 위한 파이썬 고성능 컴퓨팅

한창호 튜터 (0)

신청 전 꼭 읽어주세요!

ZOOM 화상강의로 진행됩니다. 이메일로 강의 자료와 연결 URL을 보내드립니다. 매회차 강의 종료 후 2일 이내에 녹화동영상을 시청하실 수 있는 URL도 보내드립니다.

튜터 공지

튜터님을 소개합니다.

  • (학력인증추가)서울대학교 경제학 학사
  • (학력인증추가)서울대학교 경제학 석사
  • (학렬인증추가)University of California, San Diego 경제학 박사

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.

어떤 클래스 인가요?

본 수업은 1회 3시간 6회 총 18시간 구성되어 있습니다.

졸음이 쏟아지는 동영상 강의도 아니고 코로나 걱정 끼치는 오프라인 강의도 아닌 비대면 화상강의 입니다. (ZOOM 사용)
....................................................................................................................................................................................................................

빅데이터, 인공지능, 머신러닝 등 4차산업혁명 관련 일을 하는 데에는 대용량 데이터 처리와 고속 연산이 가능한 최첨단 하드웨어가 필요해 일반인들이 쉽게 접근 할 수 없는 영역에 있다는 인상을 강하게 받습니다. 그러나, 일반 데스크탑이나 노트북일지라도 그 잠재적 성능을 최대한 이끌어 낼 수 있도록 소스코드를 튜닝하면 강력한 인공지능 구현에 활용 가능합니다.

사실 요즘은 하드웨어 발전 속도가 워낙 빨라서 일반 데스크탑 컴퓨터 안에 들어 있는 CPU가 다중 코어로 구성되어 있고 일부 게임 전용 컴퓨터일 경우 그 수가 수십개에 달하기도 합니다. 뿐만 아니라 이들 코어를 논리적으로 분할하면 그 수가 두 배로 늘어날 뿐만 아니라 전압만 적절히 높여줘도 동작속도를 1GHZ 이상 더 높일 수 있습니다. 그뿐만이 아닙니다. 화면을 뿌려주는 그래픽 카드에는 수천개의 코어가 들어 있는데, 최근에는 머신러닝 알고리듬을 CPU가 아니라 GPU에서 훈련시켜 엄청난 성능 향상을 보여주고 있습니다. 요약하자면 이미 최첨단 하드웨어가 우리 주변에 널려 있다는 사실입니다. 문제는 이런 엄청난 성능을 제대로 활용하여 학업이나 업무의 생산성 향상에 도움을 주지를 못하고 있다는 점입니다. 왜 그럴까요?

이번 강의에서는 인공지능 개발을 위한 각종 머신러닝 알고리듬 코딩에 가장 활발하게 활용되고 있는 파이썬을 이용하여 고성능 컴퓨팅 구현 기법에 대해 설명 드립니다. 일반 노트북 컴퓨터에서 대규모 데이터 처리 및 고속연산이 가능하도록 병렬분산처리 컴퓨팅을 구현하고, 인터프리터 언어인 파이썬의 한계를 극복할 수 있도록 파이썬 코드 자체를 컴파일링하며, GPU 컴퓨팅을 사용하는 등 노트북 컴퓨터를 마치 슈퍼컴처럼 활용하실 수 있도록 이론과 실습을 통해 자세히 설명 드립니다. 여러분의 파이썬 코딩 능력을 한 단계 업그레이드 할 수 있는 좋은 기회입니다. 이런 기법들은 비단 인공지능 개발 뿐만 아니라 각종 데이터 사이언스 업무에서도 활용 가능합니다.

이런 분들이 들으면 좋아요.

1. 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.

2. 인공지능 관련 학위 논문 작성 중이신 분: 인공지능 전반에 걸친 조언을 수업시간과 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. 금융공학, 계량경제학, 기계학습 분야에 조언이 필요하신 분: 강사의 경험과 인적 네트워크를 활용하여 적극적으로 도와드리겠습니다.

클래스는 이렇게 진행됩니다.

1회차 커리큘럼

Cython

- 파이썬 호환 문법을 사용하는 Cython을 이용하여 효율적인 C 코드 생성

* Static Typing : 파이썬의 dynamic typing을 static typing으로 전환

- Cython 사용법

* Sharing declaration : 별도의 파일에 자주 사용되는 함수 및 클래스 저장
* C array : NumPy array 를 C array 로 대체
* Typed memoryviews : Typed memoryviews 활용한 고속 연산
* 프로파일링 : Cython 프로그램 작동 속도 향상

2회차 커리큘럼

Numba

- 수치연산에 특화된 파이썬 코드를 실시간으로 컴파일하여 속도 향상

* JIT : Just-In-Time compiler 개념 소개

- Numba 사용법

* Numba 설치: 라이브러리 설치 및 세팅
* Numba 사용 : 파이썬 코드를 실시간으로 기계어 코드로 전환

3회차 커리큘럼

Concurrency 1: Asynchronous programming

- 비동기적 반응형 프로그래밍 개념 소개

* 비동기 프로그래밍1 : I/O 대기, 병행성
* 비동기 프로그래밍2 : Callbacks, Futures, Event Loop

- asyncio 프레임워크 활용한 비동기형 코딩

* Coroutines 으로 blocking 코드를 non-blocking으로 전환

4회차 커리큘럼

Concurrency 2

- RxPy를 이용한 반응형 프로그래밍

* Observables 개념 소개 및 활용

5회차 커리큘럼

병렬 처리

- 다중 코어 CPU나 GPU를 이용한 병렬처리 프로그래밍

* 병렬 프로그래밍 : 개념 소개
* 다중 코어 활용 : Process, Pool, Executor interface, Synchronization. Locks
* OpenMP : Cython 코드 병렬화

- Tensorflow를 이용하여 자동적으로 병렬처리 코딩

* GPU 활용 : Tensorflow 코드를 GPU에서 실행

6회차 커리큘럼

분산 처리

- 빅데이터 및 대규모 문제 해결용 병렬처리 알고리듬을 분산 컴퓨팅 환경에서 운용

* 분산 처리 : 개념 소개
* MapReduce : MapReduce를 이용한 분산처리

- Dask, PySpark, mpi4py 라이브러리 사용법

* Dask : Dask array, Dask Bag/Data Frame, Dsak distributed
* PySpark : PySpark 설치 및 세팅, 사용법 소개
* mpi4py : mpi4py 이용한 과학 연산

실제 튜티의 리뷰입니다.

  • 커리큘럼0
  • 전달력0
  • 시간준수0
  • 준비성0
  • 친절도0

수업일정

온라인 Live

30,250원 / 시간 544,500원 / 총 6회 18시간