Skip to main content
금융공학을 위한 인공지능 이미지

금융공학을 위한 인공지능




Enrollment is Closed

강좌 소개

수업내용/목표


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

강좌 운영 계획

강의계획서
주차주차명차시명오픈 일정
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.

강좌운영팀 소개

교수자

허정규 교수 사진
허정규 교수
현) 전남대학교 통계학과 교수
현) 전남대학교 빅데이터금융공학융합전공 교수
E-mail: huhjeonggyu@jnu.ac.kr

강좌지원팀

조교 프로필 사진
김태경 조교
전남대학교 일반대학원 수리통계학과 박사과정
E-mail: grasshaha@naver.com

강좌 수강 정보

이수/평가정보

이수/평가정보
퀴즈 토론 중간시험 기말고사 합계
40% 10% 25%  25% 100%
*이수기준= 총점 60점 이상

강좌 수준 및 선수요건

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

교재 및 참고문헌

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

자주 묻는 질문

강좌 교재가 따로 있나요?

별도의 교재는 없으며, 학습자료를 통해 함께 학습하시길 바랍니다.

관련 강좌

현재 강좌와 관련있는 강좌를 찾을 수 없습니다.
  1. Subject

    Engineering
    (Computers & Communication)
  2. 강좌 내용의 어려운 수준을 의미합니다. 교양, 전공기초, 전공심화 순으로 난이도가 증가합니다.

    Course difficulty

    intermediate
  3. 강좌를 개발하고 운영하는 기관입니다. 컨소시엄으로 운영 시, 대표기관의 명칭이 나타납니다

    Institution

    Chonnam National University
  4. 운영 기관의 전화번호 입니다.

    Phone

    062-530-5029
  5. 강좌의 구성 주차 수를 의미합니다. (강좌를 충실히 학습하기 위해 필요한 주당 학습시간을 의미합니다.)

    Course Week
    (Estimated Effort)

    15week
    (주당 03시간 00분)
  6. 본 강좌 이수자에게 인정되는 학습시간으로 해당 강좌의 동영상, 과제, 시험, 퀴즈, 토론 등의 시간을 포함합니다. (강의 내용과 관련된 동영상 재생 시간의 총 합계입니다.)

    Accredited learning time
    (Video Duration)

    45시간 00분
    (16시간 25분)
  7. 수강신청이 가능한 기간으로 해당 기간 내에만 수강신청이 가능합니다.

    Registration Period

    2022.11.21 ~ 2023.01.27
  8. 강좌가 운영되고 교수지원이 이루어지는 기간입니다. 이수증은 강좌운영기간이 종료된 이후에 발급받을 수 있습니다.

    Classes Period

    2022.11.21 ~ 2023.02.03
  9. ※ 만족도 응답 표본 수 미달 등 일정 기준이 충족되지 않은 경우 별점이 공개되지 않을 수 있습니다.