Pandas로 데이터 분석, 전처리, 머신러닝, 딥러닝에 활용하다 보면 늘 사용하는 기능 위주로 사용하게 됩니다. 이런 핵심적인 내용만을 모아 정리해 놓은 Pandas Cheat Sheet가 있습니다. 두꺼운 책으로 Pandas를 배우다 지치신 분들께 단 두 장의 문서로 Python Pandas를 알려드립니다. Pandas 공식 튜토리얼에서 제공하는 cheat sheet로 Pandas의 핵심 기능을 익혀봅니다.

Open API와 파이썬을 활용하여 업무 효율성을 향상시키는 데 필요한 기술과 노하우를 학습할 수 있습니다.

강사가 처음 머신러닝을 익혔을 때, 실패했던 경험을 바탕으로, 쉽게 머신러닝을 이해하고, 실제 문제에 적용할 수 있도록 기존 강의와 다르게, 새롭게 꾸민 강의입니다

복잡한 분석과 예측을 효율적으로 진행하는 머신러닝에 대해 이해하고 실습하는 과정! 어렵고 복잡할 것만 같았던 머신러닝도 마소캠퍼스의 <파이썬 머신러닝>과 함께라면 쉽고 재미있게 핵심을 깨우치실 수 있습니다.

파이썬 기반의 웹 크롤링 기술을 습득하여, 웹 페이지로부터 데이터를 수집하고, 이를 바탕으로 업무에서 데이터 수집과 분석 능력을 향상시키기 위한 과정입니다.

데이터 과학 실무에서 유용하게 사용되는 Pandas 명령어들을 짧은 강의 형식으로 소개하며, 강의에 사용된 모든 코드는 깃허브에서 직접 보시고, 다운받아 실습하실 수 있습니다.

퀀트 투자를 위한 파이썬 트레이딩룸 만들기 Part 3에서는 포트폴리오 이론 및 실전투자에 필요한 개념 및 코드로 구현하는 방법에 대해 배웁니다. Part 1 & 2에서는 금융데이터 분석을 위한 코드 구현 방법들에 대해서 주로 배웠다면, Part 3에서는 퀀트 투자에 있어 중요한 부분을 차지하는 '포트폴리오'에 대해서 배웁니다. 왜 포트폴리오를 만들어야할까? 라는 의문을 가지고 포트폴리오 이론을 배우며 이를 파이썬으로 구현도 하고, 실전 포트폴리오 투자에 필요한 코드 실습도 진행합니다. 해당 강의를 통해 여러분들만의 포트폴리오 투자에 있어 도움이 되기를 바라겠습니다

본 과정은 파이썬을 이용한 머신러닝 수학 및 통계의 기본 내용을 실습하는 과정입니다. 기계 학습과 딥러닝은 프로그래밍 역량도 필요하지만 원리를 파악히기 위해서 수학적 배경을 필요로 합니다. 본 과정을 통해 인공지능에 필요한 기초 수학을 차근차근 익힐 수 있습니다.

S&P 500 페어 트레이딩의 통계적 접근법을 파이썬으로 체계적으로 학습하실 수 있습니다. 전문적인 데이터 분석을 통해 감정을 배제한 투자 전략의 기초를 마련하세요.

본 강의는 '파이썬(Python)으로 데이터 기반 주식 퀀트 투자하기 Part1'의 후속 강의로서, part1 강좌가 introduction 느낌에 가까웠다면, part2는 실전 전략 구현과 퀀트 투자 개발의 전체 flow 경험이 중심이 되는 심화 강의입니다. 본 수업에서는 시계열 데이터를 다루는 advanced한 판다스(Pandas) 테크닉과, 이를 기반으로 하여 signal based 전략 및 다양한 주기별로 자산의 비중을 조절해야 하는 정적/동적 자산배분 전략을 구현하는 방법에 대해 중점적으로 다룹니다. 나아가 전략 구현에만 그치지 않고, 다양한 투자 전략을 최소한의 코드 수정으로 직접 검증하고 백테스팅하는 '코드의 framework화'와, 이를 확장하여 실전 투자까지 이어지도록 개선하는 법, 그리고 이 과정에서 주의해야 할 사항들에 대해 알아봅니다. 또한 프로그래밍적인 component와 더불어, 2가지 형태의 수익률 개념(simple return, log return)과 백테스팅 관련 평가지표 등의 이론적 내용에 대해서도 수학적으로 깊게 다루어 시중의 투자 서적이나 블로그, youtube 등 에서는 볼 수 없었던 최고의 파이썬(Python) 퀀트 투자 flow를 경험할 수 있습니다.

이제 파이썬 결과물을 웹 페이지로 나타낸다! 오직 파이썬만을 이용해 나만의 웹 페이지를 만들어볼 수 있어요. 데이터 분석, 머신러닝 등 파이썬으로 만든 결과물을 웹 페이지에서 확인할 수 있는 Interactive DashBoard를 만들어 볼 수 있는 기회입니다!

본 수업에서는 파이썬(Python)을 활용하여, 다양하게 동작하는 사이트로부터 데이터를 가져오고(크롤링) 처리하는 테크닉에 대해서 배우고, 이를 응용하여 실전에서 마주할 수 있는 다양한 예제들에 직접 적용해봅니다. 이를 통해 주어진 코드를 복사해서 붙여넣는 방식의 일차원적인 업무 자동화가 아닌, 웹이 작동하는 기본 원리에 대한 이해를 바탕으로 한 실전 문제 해결 위주의 기술들에 대해서 익히고, 이에 따라 여러분들은 앞으로 어떤 사이트에서도 데이터를 수집하고 처리할 수 있는 역량을 가질 수 있습니다. 또한 이 과정에서 발생하는 다양한 예외상황들을 어떻게 코드로써 해결하는지에 대한 내용을 배우며 최종적으로는 일상에서 발생하는 다양한 문제들을 프로그래밍적 사고로 해결하고 자동화 할 수 있게 됩니다.

데이터 분석 전문가로 거듭나기 위한 시계열 강의! 이론과 실기에 강한 분석가가 되어 봅시다!

빅데이터 분석에 필요한 핵심 Python 문법을 살펴보고, 다양한 예제를 통해 빅데이터 파일 처리 및 시각화 방법 등을 제시하였습니다.

도커를 사용해서 클라우드에 딥러닝 분석환경을 만들 수 있습니다. 구글, MS 등이 관리하는 도커 이미지와 클라우드가 결합할 때 여러분의 컴퓨터에서 가장 최신의 딥러닝 분석 방법으로 작업을 수행하는 것이 가능해집니다.

중급 Python 과정은 함수형 프로그래밍, 메타 프로그래밍, 예외 처리 및 객체 지향 프로그래밍과 같은 고급 주제를 다루면서 Python에 대한 이해를 심화하도록 설계되었습니다.

드디어 모두를 위한 확률과 통계 강의가 왔습니다! 이론과 코딩 실습을 통해서 차근차근 확률과 통계의 원리에 대해서 배워봅니다. 참고서적 "모두의 확률과 통계" https://wikidocs.net/book/18165

* 100% 실전형 커리큘럼: 문법 공부가 아닌, 데이터를 직접 다루는 실습 위주 구성 * 머신러닝 선수 필승 코스: AI 학습 전 반드시 알아야 할 전처리 기법 완벽 정리 * 데이터 분석 도구 마스터: Numpy(수치연산), Pandas(데이터제어) 핵심 기능 정복 * 시각화 인사이트 도출: Matplotlib, Seaborn을 활용한 데이터 시각화 스킬 전수 * 통계 기초 다지기: 데이터의 특성을 파악하는 기초 통계 및 그룹 분석 기법 학습

xlsxwriter 튜토리얼로 배우는 Python 엑셀 프로그래밍의 기초 강좌입니다. Python과 엑셀을 사용하여 데이터를 분석하고 업무를 자동화 할 수 있습니다.

AI에게 "이 데이터로 모델 만들어줘"라고 시켜보면 처음 몇 줄은 그럴듯한데, 조금만 복잡해지면 엉뚱한 컬럼을 쓰고 누수가 섞이고 점수는 올랐는데 모델은 더 나빠집니다. 이 강의는 더 좋은 프롬프트를 알려주지 않습니다. 대신 에이전트가 데이터를 이해하고, 계획하고, 코드를 쓰고, 자기 결과를 검증하고, 틀리면 되돌아가는 루프(하네스)를 직접 설계하는 법을 다룹니다. DS-STAR의 다섯 조각 루프를 손으로 한 바퀴 돌려본 뒤, 데이터 프로파일 카드·훅·스킬 계층·독립 검증자·애블레이션까지 하나씩 조립해 나갑니다.