Practical Data Science Part 1. Introduction to Python

기업의 디지털 전환(DT), 인공지능(AI) 도입은 머신러닝 모델 구축에서 시작합니다. 그러나 머신러닝 기술 범위는 매우 넓으며 최적의 방법을 선택하려면 기본 개념을 분명히 이해해야 합니다. 이 강의에서는 머신러닝의 기본 개념을 명확하게 이해하는데 필요한 핵심 내용을 다섯개의 예제를 중심으로 소개합니다.

현업 실전에서 데이터 탐색 (EDA), 데이터 클리닝, 스케일링, 이상치 처리, 로그변환, 카테고리 인코딩 등이 왜 필요한지 그리고 어떻게 다루어야 하는지를 배웁니다. 또한 테이블 데이터 합치기, (비정형) 시계열 데이터 처리 방법을 배웁니다.

넘파이의 사용법과 이를 이용한 실전연습을 진행하는 강의입니다.

파이썬 입문자/비개발자를 위한 기초 사용법과 데이처 전처리 방법을 다룹니다. 부록으로 ChatGPT 코드 인터프리터를 활용한 전처리 방법도 알려 드립니다.

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 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.

🚀 데이터브릭스로 배우는 실전 AI 이상 탐지! 💡 비싸고 느린 모델은 그만! 대규모 데이터 최적화부터 실시간 배포까지, 기업 실무에서 바로 활용할 수 있는 이상 탐지 AI를 완성합니다.

본 수업에서는 파이썬(Python)의 판다스(Pandas) 라이브러리를 활용하여 다양한 형태의 금융데이터를 분석하고 처리하는 원리와 방법에 대해 배우고, 이를 실전에서 마주할 수 있는 상황에 적용해보며 최종적으로는 재무제표 데이터에 기반한 백테스팅(backtesting)을 구현하는 법(강환국님 '할 수 있다 퀀트 투자' 책 기반)에 대해서 알아봅니다. 결과적으로 여러분들은 투자 논리에 대한 검증이나 근거 없이, 단순히 남이 좋다는 것만 따라하는 '수동적인 투자자'에서 벗어나, 전략 구현에 필요한 다양한 요소들을 파이썬(Python)과 판다스(Pandas)로 활용하여 데이터로부터 자유자재로 추출하여 정량적으로 분석할 수 있는 '자기 주도적이면서 능동적인 투자자'가 될 수 있습니다.

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

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!

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

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.

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.

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

프로그래밍 기술, 알고리즘 기술, 통계 분석 기술에 대한 전문 역량을 함양해보자!

최신 스타트업에서 활용하는 풀스택과 데이터과학 기술의 기본 기술 중 하나인 빅데이터를 다룰 수 있는 NoSQL 기술을 익힙니다. 몽고DB는 NoSQL 중에서도 가장 쉬우면서 빠르게 활용할 수 있는 기술입니다. 본 강의에서는 짧은 시간 안에 몽고DB 기초를 익히고, 파이썬으로 몽고DB를 다루고 활용할 수 있는 기술까지 학습해 봅니다.

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.

스스로 판단하고 적응하는 AI, 이제 직접 만들 수 있습니다. 복잡한 이론 대신 직관적인 설명과 코드로 강화학습의 핵심을 배우고, 금융, 산업 프로젝트를 통해 '실전형 개발자'로 성장하세요.

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

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.

이 강의를 통해 SQL과 데이터베이스의 이해, SQL 문법, 실제 활용을 위한 데이터베이스 설계, 프로그래밍을 통한 데이터베이스 활용, 데이터 분석 활용 사례까지 익힐 수 있습니다.