본문 바로가기

배우고 싶은 강좌를 찾아보세요.

추천 강좌

    다국어 설정

    강좌소개

    강좌소개 COURSE INTRODUCTION

    • 이 강좌는 데이터과학에 주류 언어인 파이썬과 이를 위한 다양한 패키지를 학습 및 실습하며, 동시에 주식회사, 포트폴리오, 투자전략 등 금융 투자와 관련된 필요개념을 학습합니다. 최종적으로 인공지능을 결합하여 주가예측 및 이상치 탐지 등 금융현상에 인공지능을 적용하는 법을 실습하고자 합니다. 이 강좌를 통해 학습자 여러분은 아래의 학습목표를 달성할 수 있을 것입니다.

    학습목표 LECTURE OBJECTIVES

    학습목표

    • 인공지능과 금융공학의 기초지식을 습득할 수 있다.
    • 금융공학 분야에서 적용되는 인공지능 기술들을 설명할 수 있다.

    홍보영상 INTRODUCTION VIDEO

        

    강좌운영계획 SYLLABUS

    주차 주차명 차시명 오픈일정
    1 파이썬 문법-기초 (1차시)개론과 설치 2022. 11. 21.
    (2차시)변수, 자료형, 연산자
    (3차시)조건문, 반복문
    (1주차 학습목표)
    1. 파이썬의 특징을 설명할 수 있다. 
    2. 변수와 자료형, 리스트와 튜플의 차이점을 설명할 수 있다. 
    3. 조건문과 반복문에 대하여 설명할 수 있다. 
    2 파이썬 기본 (1차시)함수, 파일입출력 2022. 11. 21.
    (2차시)내장함수, NumPY 기초
    (3차시)문자열, 딕셔너리, 시스템 모듈

    (2주차 학습목표)
    1. 파이썬의 함수를 코딩에 맞게 작성할 수 있다. 
    2. Numpy의 기본적인 내용을 설명할 수 있다. 
    3. 딕셔너리와 시스템 모듈에 대하여 설명할 수 있다. 

    3 파이썬 심화 (1차시)NumPy심화
    (2차시)시스템 모듈 복습
    (3차시)객체지향 프로그래밍
    (3주차 학습목표)
    1. 행벡터와 열벡터의 차이를 설명할 수 있다. 
    2. 시스템 모듈을 이용하여 메모장 프로그램을 만들 수 있다. 
    3. 클래스 문법을 상황에 맞게 작성할 수 있다. 
    4 파이썬 패키지 (1차시)판다스 데이터프레임 2022. 11. 21.
    (2차시)판다스 함수, 그룹별 분석 
    (3차시)시계열처리
    (4주차 학습목표)
    1. 시리즈와 데이터 프레임의 차이에 대해 설명할 수 있다. 
    2. 상황에 맞게 판다스의 함수들을 제시할 수 있다. 
    3. datetime 객체에 대해 설명할 수 있다. 
    5 인공지능Ⅰ (1차시)AutoKeras를 이용한  AI입문 2022. 11. 21.
    (2차시)퍼셉트론과 신경망 학습
    (3차시)다층 퍼셉트론과 딥러닝
    (5주차 학습목표)
    1. 딥러닝에 대해 설명할 수 있다. 
    2. 퍼셉트론을 행렬과 벡터 방식으로 작성할 수 있다. 
    3. 다층 퍼셉트론의 오류를 설명할 수 있다. 
    6 인공지능Ⅱ (1차시)딥러닝 프레임워크1 2022. 11. 21.
    (2차시)딥러닝 프레임워크2
    (3차시)텐서플로우2.0 vs 파이토치
    (6주차 학습목표)
    1. 케라스를 이용하여 인공지능 신경망을 만들 수 있다. 
    2. 케라스 코드의 전체적 골격에 대해 설명할 수 있다. 
    3. 텐서플로우와 파이토치의 차이점에 대해 설명할 수 있다. 
    7 금융Ⅰ (1차시)회사의 형태 2022. 11. 21.
    (2차시)금융 상품
    (3차시)금융 회사
    (7주차 학습목표)
    1. 다양한 회사의 형태와 특징에 대해서 설명할 수 있다. 
    2. 주식과 채권의 차이점에 대해 설명할 수 있다. 
    3. 금융 회사의 종류에 대해 설명할 수 있다. 
    중간시험 2022. 11. 21.
    9 금융Ⅱ (1차시)주식(1) 2022. 11. 21.
    (2차시)주식(2)
    (3차시)기본적 분석/기술적 분석

    (9주차 학습목표)
    1.주식의 개념을 설명할 수 있다. 
    2.기본적 분석과 기술적 분석을 구분할 수 있다. 

    10 금융통계Ⅰ (1차시)정상 시계열 2022. 11. 21.
    (2차시)등분산 시계열 모형
    (3차시)모형 판별 및 추정
    (10주차 학습목표)
    1.시계열의 정상성을 설명할 수 있다. 
    2. 시계열 모형을 설명할 수 있다.  
    11 금융통계Ⅱ (1차시)주가 시계열의 특성 2022. 11. 21.
    (2차시)이분산 시계열 모형
    (3차시)코스피 지수 시계열 분석
    (11주차 학습목표)
    1. 주가 시계열의 특성을 설명할 수 있다. 
    2. 이분산 시계열 모형을 설명할 수 있다. 
    12 인공지능 실습 (1차시)데이터 분석 2022. 11. 21.
    (2차시)신경망 활용
    (3차시)케라스를 이용한 실습
    (12주차 학습목표)
    1. 데이터를 주어진 기준별로 분류하는 방법에 대해 설명할 수 있다. 
    2. 데이터 전처리에 대해 설명할 수 있다. 
    3. 오토케라스와 AutoML에 대해 설명할 수 있다. 
    13 인공지능+금융Ⅰ (1차시)AutoKeras 활용(1) 2022. 11. 21.
    (2차시)AutoKeras 활용(2)
    (3차시)Fedot 라이브러리 활용
    (13주차 학습목표)
    1. 금융데이터의 특성을 설명할 수 있다. 
    2. 인공지능을 통해 주가예측을 실시할 수 있다. 
    14 인공지능+금융Ⅱ (1차시)금융에서의 이상치 문제 2022. 11. 21.
    (2차시)오토인코더
    (3차시)오토인코더를 활용한 이상치 탐지
    (14주차 학습목표)
    1. 오토인코더를 사용하여 이상 데이터를 측정할 수 있다. 
    기말시험 2022. 11. 21.

    강좌운영기간 COURSE OPERATION PERIOD

    2022.11.21~2023.02.03

    강좌수강정보 COURSE INFORMATION

    평가기준

    • 퀴즈: 40%
    • 토론: 10%
    • 중간고사: 25%
    • 기말고사: 25%

        ※총 60% 이상 점수 획득 시, 이수증을 발급받을 수 있습니다.

    강좌운영진
    • 허정규 교수

      현) 전남대학교 통계학과 교수

      현) 전남대학교 빅데이터금융공학융합전공 교수

      E-mail: huhjeonggyu@jnu.ac.kr
    자주묻는질문

    Q 이수기준은 어떻게 되나요?

    A 이 강좌는 퀴즈 40%, 토론 10%, 중간시험 25%, 기말시험 25%로 평가됩니다. 총점 60점 이상 획득시 이수증 발급이 가능합니다.

    Q 선수학습이 필요한 강좌인가요?

    A 이 강좌는 대학 학부 전공 기초 정도 수준으로 제작되었으며, 금융공학과 인공지능 분야에 관심이 있는 중등교육이상을 수료하였다면 누구나 수강가능한 강좌입니다.

    Q 강좌 교재가 따로 있나요?

    A 이 강좌는 별도의 교재가 없으며, 학습자료를 별도 PDF 파일로 제공합니다.

    기타·문의처
    ☎ 062)530-5029(전남대학교 교육혁신본부)

    분야 공학 (컴퓨터 · 통신)

    난이도 전공기초

    운영기관 전남대학교

    이수증 미발급

    주차 15 주

    학습인정시간 45시간 00분 (18시간 55분)

    수강신청기간 30.01.01 ~ 30.01.02

    강좌운영기간 23.07.24 ~ 23.10.22

    전화번호 062-530-5029

    자막언어 영어 외 1건

    강좌언어 한국어(ko)

    추천강좌
    같은기관강좌