금융 머신러닝 이론과 맞춤형 투자 시스템 구축 3기
* 상세페이지 바로가기 *
▼▼▼▼
https://insightcampus.co.kr/shop/01-18fi049/
▶ 강의 소개
본 강의의 목적은 파이썬 및 각종 공개 오픈소스 툴들을 활용하여 수강자가 스스로 머신러닝 관련 시스템을 구축할 수 있는 능력을 갖출 수 있도록 실습과 이론을 통하여 배울 수 있도록 하는 것입니다. 본 강의를 통해 수강생들이 단순히 머신러닝의 기본적인 개념뿐만 아니라 실제적으로 각자의 업무에 어떻게 머신러닝을 적용해야 할지 실무적 아이디어를 얻어 가시기를 바랍니다.
▶ 강의 목표
본 강의의 목적은 파이썬 및 각종 공개 오픈소스 툴들을 활용하여 수강자가 스스로 머신러닝 관련 시스템을 구축할 수 있는 능력을 갖출 수 있도록 실습과 이론을 통하여 배울 수 있도록 하는 것입니다. 본 강의를 통해 수강생들이 단순히 머신러닝의 기본적인 개념뿐만아니라 실제적으로 각자의 업무에 어떻게 머신러닝을 적용해야 할지 실무적 아이디어를 얻어 가시기를 바랍니다.
▶ 과정 상세
강의는 금융에 특화된 투자 시스템 구축과 실습 + 머신러닝 학습으로 구성되어 있습니다.
먼저 시스템 구축에 필요한 인프라 세팅 즉 시스템 구축에 필요한 내용을 먼저 학습합니다. 기본적인 금융 투자 시스템 구현에 필요한 (리눅스, MySQL 및 데이터베이스)를 학습합니다. 그 이후 시스템에 적용한 기계학습(머신러닝) 이론을 실습과 함께 학습합니다.
▶ 커리큘럼
Part 1. 투자 시스템 구축 및 실습 (James Kim 강의교수)
리눅스를 통한 인프라 구축에서부터 금융 투자 시스템 구축에 꼭 필요한 웹 크롤링/스크래핑 기법과 파이썬 라이브러리를 실습합니다. 머신러닝의 개념을 실질적으로 금융 실무에 어떻게 적용해야 할 수 있을 지 실무적 아이디어(머신러닝을 활용한 종목 추천 등)를 얻는 좋은 기회가 될 수 있습니다.
1장 | 투자 시스템을 위한 리눅스 시스템 구축 및 실습
1-1. 리눅스 설치(centOS, Ubuntu)
1-2. 시스템 관리(파일시스템, 사용자등)
1-3. 보안 관리
1-4. 기타 주요 기능
*일반 웹서비스의 70%이상이 사용할 만큼 기능도 안정성도 증명된 오픈소스 리눅스, 안정적인 무료 시스템을 마음껏 활용하고 확장 가능성도 넓히세요.
2장 | 금융 데이터 수집을 위한 웹 크롤링/스크래핑 기법
2-1. 웹 크롤링/스크래핑 기법 학습
2-2. 증권/금융관련 여러 사이트를 통해 양질의 데이터 수집 실습
*웹 크롤링과 스크래핑 기법을 활용하여 각종 증권금융관련 데이터를 무료로 얻을 수 있습니다. 몇가지 시각화 기법만 더 얻어가시면 한눈에 인사이트를 얻을 만한 그래프도 만드실 수 있어요.
3장 | MySQL 설치 및 데이터 베이스 관리 실습
3-1. 금융 데이터베이스 시스템 구축 및 사용/관리
3-2. MySQL/MongoDB
3-3. 금융 데이터 수집과 관리 자동화 방법
*데이터베이스를 통해 데이터를 축적하여 여러 방도로 활용 가능합니다.
그때마다 대량의 데이터를 크롤링할 필요가 없으니 시간도 단축되고 본인 데이터로 활용/분석/가공이 가능합니다.
4장 | 금융 머신러닝 관련 파이썬 라이브러리/프로그램 실습
4-1. 머신러닝 관련모듈(Pandas/Numpy/Scikit-learn/Matplotlib)
4-2. 투자 시스템에 특화된 머신러닝 알고리즘 예제 리뷰
*금융 머신러닝 이론과 시스템을 접목하여 머신러닝 기법으로 추천 주가 종목을 뽑아볼 수 있습니다.
최근 거래일 종가까지 반영된 머신러닝 프로그램에 의해 선별된 종목 리스트를 받아보세요!
5강 | 금융 투자 시스템 웹사이트 구축 맛보기 (Django 활용)
5-1. Django 기초 및 웹서버 구축
5-2. 웹서버와 데이터베이스 연동
*이제까지 배운 내용을 로컬뿐만이 아니라 어떻게 웹상에서 구현하실 수 있는지 알려드립니다.
Part 2. 금융인을 위한 머신러닝 (이기홍 강의교수)
금융 투자 시스템 구축에 적용할 머신러닝 주요 개념인 지도학습과 비지도학습에 대한 이론을 주가 데이터 중심으로 학습합니다.
6장 | Machine Learning / Supervised Learning (지도학습;Regression)
6-1. Linear Regression 선형회귀분석
– Overfit(과학습)과 Cross validation
– Fama-French 모형 실습
6-2. Logistic Regression 주가예측
6-3. SVM Regression 주가예측
7장 | Machine Learning / Supervised Learning (지도학습;Classification)
7-3. Random forest를 이용한 종목분류
7-4. KNN을 이용한 종목분류
7-5. SVM을 이용한 종목분류 및 주가예측
7-6. Ensemble, bagging, boosting을 이용한 성과 개선
8장 |Machine Learning / Unsupervised learning (비지도학습)
8-1.K-means을 이용한 포트폴리오구성
8-2. PCA와 AUTO Encoder를이용한 종목특성 추출
8-3. HMM을이용한 Regime 변화 감지
9장 | Sentiment분석을 이용한 주식투자
9-1. 텍스트 수집 및 처리
9-2. Sentiment 분석 (감성분석)
9-3. Sentiment Signal을 이용한 주가 예측
9-4. DeepLearning 맛보기
실습:LSTM을 이용한 주가예측
▶ 강의일정
- 2018년 7월 14일 (토) ~ 2018년 9월 1일 (토) 총 8주 오전 10시 - 13시
* 수강신청 하러가기 *
▼▼▼▼
https://insightcampus.co.kr/shop/01-18fi049/
