| 주차 | 주차명 | 차시명 | 오픈 일정 |
|---|---|---|---|
| 1 | 파이썬 문법-기초 | (1차시)개론과 설치 | 2021. 00.00 |
| (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 | 2021. 00.00 |
| (2차시)내장함수, NumPY 기초 | |||
| (3차시)문자열, 딕셔너리, 시스템 모듈 | |||
|
(2주차 학습목표) |
|||
| 3 | 파이썬 심화 | (1차시)NumPy심화 | 2021. 00.00 |
| (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 | 2021. 00.00 |
| (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 | 2021. 00.00 |
| (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 | 2021. 00.00 |
| (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 | 2021. 00.00 |
| (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 | 2021. 00.00 | ||
| 9 | 금융Ⅱ | (1차시)주식 | 2021. 00.00 |
| (2차시)기본적 분석 | |||
| (3차시)기술적 분석 | |||
|
(9주차 학습목표) |
|||
| 10 | 금융Ⅲ | (1차시)기초 확률 및 통계 | 2021. 00.00 |
| (2차시)미분과 적분 | |||
| (3차시)라그랑지 승수법 | |||
| (10주차 학습목표) 1. 기초 통계를 통해 제시된 문제를 해결할 수 있다. 2. 라그랑지 승수법의 개념을 설명할 수 있다. |
|||
| 11 | 금융Ⅳ | (1차시)최소분산 포트폴리오 | 2021. 00.00 |
| (2차시)현대 포트폴리오 이론 | |||
| (3차시)포트폴리오 최적화 | |||
| (11주차 학습목표) 1. 현대 포트폴리오 이론을 설명할 수 있다. |
|||
| 12 | 금융Ⅴ | (1차시)볼린저 밴드 매매 기법 | 2021. 00.00 |
| (2차시)듀얼 모멘텀 투자 | |||
| (3차시)변동성 돌파 전략 | |||
| (12주차 학습목표) 1. 전통적 트레이딩 전략을 구분할 수 있다. 2. 전통적 트레이딩 전략을 각각 설명할 수 있다. |
|||
| 13 | 인공지능+금융Ⅰ | (1차시)금융 데이터의 특징 | 2021. 00.00 |
| (2차시)CNN을 이용한 주가예측 | |||
| (3차시)RNN을 이용한 주가예측 | |||
| (13주차 학습목표) 1. 금융데이터의 특성을 설명할 수 있다. 2. 인공지능을 통해 주가예측을 실시할 수 있다. |
|||
| 14 | 인공지능+금융Ⅱ | (1차시)금융에서의 이상치 문제 | 2021. 00.00 |
| (2차시)오토인코더 | |||
| (3차시)오토인코더를 활용한 이상치 탐지 | |||
| (14주차 학습목표) 1. 오토인코더를 사용하여 이상 데이터를 측정할 수 있다. |
|||
| 기말시험 | 2021. 00.00 | ||
| 퀴즈 | 토론 | 중간시험 | 기말고사 | 합계 |
|---|---|---|---|---|
| 40% | 10% | 25% | 25% | 100% |
이 강좌는 대학 학부 전공 기초 정도 수준으로 제작되었으며, 금융공학과 인공지능 분야에 관심이 있는 중등교육이상을 수료하였다면 누구나 수강가능한 강좌입니다.
이 강좌는 별도의 교재가 없으며, 학습자료를 별도 PDF 파일로 제공합니다.
별도의 교재는 없으며, 학습자료를 통해 함께 학습하시길 바랍니다.
분야
난이도
운영기관
전화번호
주차(주간 학습 권장 시간)
학습인정시간(총 동영상시간)
수강 신청 기간
강좌 운영 기간
강의 언어
자막 언어
