course thumbnail
오프라인 LIVE
  • 데이터사이언스
  • 중급, 고급

딥러닝 시계열 분석 실전 : 4가지 실제 유즈 케이스로 배우는 마코브 체인

(7기 모집 중! 오프라인&온라인라이브 동시 진행!) 수요, 주가, 게임, 의료, 센서 데이터로 배우는 시계열 데이터 분석!

해당 기수는 조기마감됐어요!
강의 일정
22.05.14 ~ 22.06.18 (총 6회) 매주 토요일 10:00 ~ 13:00, 총 18시간
강의장
강남대로 94길 15, S2빌딩 | 4층 Spoons Lab D(지도확인)
강의 방식
시계열 데이터

시계열 데이터 분석, 내 업무에도 적용됩니다.

“단순 패턴 분석, 예측에서 그치지 마세요! 내게 맞는 기법을 사용할 줄 알아야 합니다.”

시간이 흐름에 따라 자연스레 쌓이는 데이터, 시계열 데이터!
로그 데이터는 물론 심장 박동 데이터, 센서 데이터 등 그 형태는 무궁무진합니다.
형태마다, 분야마다 시계열 데이터를 사용하는 기법이 다르다는 것을 알고 계셨나요?
모르셨다면, 지금부터 이 강의를 주목하세요!

01

시계열 데이터가 뭐야? 개념부터 특성까지 완벽하게 이해할 수 있습니다.

02

다양한 비즈니스 상황에 적절한 분석 방법을 터득할 수 있습니다.

03

단순 분석을 넘어, 딥러닝 기반의 모델 제작까지 할 수 있습니다.

본 강의를 수강하기 전, 안내사항

  • * 해당 과정은 정원 초과 시 조기 마감될 수 있습니다.
  • * 오프라인 및 온라인 라이브로 동시 진행됩니다.

우리 과정의 특징

  • 시계열 데이터의 이해, 전처리부터 확실하게

    시계열 데이터는 지금까지 통상적으로 다루는 데이터와는 확연히 다른 특징을 갖고 있습니다. 그렇기에, 시계열 데이터를 활용하고자 한다면 구체적으로 통상적인 데이터와 어떻게 다른지 확실히 이해하고 제대로 가공하고 정제한 상태로 모델에 학습시켜야 유의미한 결과를 얻을 수 있습니다. 단순히 모델에 적용부터 하는 것이 아닌 시계열 데이터를 이해하고 전처리하는 과정부터 진행합니다.

  • 시계열 관련 최신 딥러닝 기법 파악

    오래전에 녹화된 강의를 구매하셔봤자 무용지물입니다. 데이터 사이언스의 분야는 빠르게 연구되며 발전하고 있습니다. 최신 트렌드를 파악하고 적용할 줄 알아야 더 좋은 성과를 낼 수 있습니다. AWS나 Facebook과 같은 실리콘밸리에서 사용하는 Seq2Seq 기반의 모델과 CNN-LSTM 하이브리드 계열 알고리즘 활용뿐만 아니라 AutoEncoder과 GAN과 같은 유의미한 성과를 낸 최신 트렌드 알고리즘까지 현업에 계신 전문가를 통하여 알아가실 수 있습니다.

  • 다양한 USE-CASE로 배우는 시계열 분석

    다양한 업계에서 이미 시계열 분석을 많이 이용하고 있습니다. 하지만 모두 같은 목적으로 시계열 분석을 할까요? 아닙니다. 단순히, 시계열 하면 떠오르는 시계열예측뿐만 아닌 Anomaly detection, Time series classification, Time series generation, Change point analysis 등과 같은 다양한 use-case를 상황에 적합한 각기 다른 데이터셋을 활용하여 배웁니다.

강의 구성
시계열 데이터
강의 자료

우리는 이런 내용을 배워요!

본 이미지는 모두 1회차 강의자료의 일부입니다. 실 자료는 개강 당일 공유됩니다.

시계열 데이터

시계열 데이터

시계열 데이터

시계열 데이터

수강효과

수강하고 이렇게 성장해요!

01

시계열 분석에 딥러닝 적용하는 노하우 습득

시계열을 단순히 딥러닝 알고리즘에 입력하여 실행하는 것 만으로는 우리가 원하는 결과를 얻을 수 없습니다. 시계열을 바라보는 다양한 시각과 올바른 전처리, 모델링 방법을 실전 데이터를 통해 학습합니다. 또한, 시계열 분석 전문가를 찾기란 쉽지 않은 일입니다. 현업에서 시계열을 다루고 박사과정까지 수료하신 강사님께 시계열 분석에 딥러닝을 어떻게 적용할 수 있는지 노하우를 전수받게 됩니다.

02

시계열 데이터를 다양하게 활용하는 능력

시계열에 딥러닝을 적용하면 어떤 결과를 도출해낼 수 있을까요? 시계열에 이미 익숙한 RNN, LSTM과 같은 모델에 단순히 적용해보기만 하는 수준이 아닌 딥러닝을 적용할 수 있는 여러 USE-CASE를 다양한 데이터셋으로 배웁니다. 이를 통해 실제로 시계열을 접했을 때, 단순히 예측으로만 데이터를 바라보는 것이 아닌 다양한 시각에서 시계열을 바라볼 수 있는 역량을 갖추게 됩니다.

03

최신 트렌드의 시계열 딥러닝 기법 습득

이미 잘 알려진 RNN계열의 알고리즘 이후에도, 시계열 데이터에서 유의미한 정보를 도출해낼 수 있는 알고리즘은 지속해서 발전되어왔습니다. 본 강의에선 RNN뿐만 아니라, Attention메커니즘, GAN, AutoEncoder 등 시계열과 결합하였을 때 좋은 성과를 낸 최신 트렌드의 알고리즘을 직접 구현해봄으로써 현업에 바로 적용해 볼 수 있습니다.

수강대상

이런 분들이라면, 이번 강의를 그냥 지나치지 마세요!


커리어를 위해 시계열 분석을 처음으로 도전해보고 싶은 분


다양한 데이터 시계열 분석을 접해보고 싶은 분


CNN-LSTM 하이브리드 계열 알고리즘 등 실리콘밸리에서 활용하는 모델을 배우고 싶은 분


각 분야에 시계열 분석이 필요한 업무를 보시는 분

강의에 대해 궁금한 점이 있으신가요?

Q. 온라인 라이브로만 진행하나요?

해당 과정은 오프라인과 온라인 라이브가 동시 진행됩니다.
온라인 라이브 강의는 zoom을 활용해 진행될 예정입니다.
과정 진행 시간 동안 원활한 소통을 위해 Slack 채널을 운영할 예정이며, 강사님과도 해당 채널을 통해 언제든 소통하실 수 있습니다.

Q. 수강 시, 준비 사항은 어떤 것이 있을까요?

실습을 위해 개인 PC가 꼭 필요합니다. OS는 Windows OS, Mac OS 모두 가능합니다.
또한, 본 강의는 파이썬 문법 기초 이상의 지식이 필요합니다.

Q. 실제 프로젝트도 같이 진행되나요??

6주라는 짧은 시간동안 시계열에 대한 학습을 진행하다 보니, 프로젝트를 함께 하는 시간은 다소 부족하실 수 있습니다.
다만 강사님께서 제공해주시는 실습 자료와 지속적인 커뮤니케이션을 통해 충분히 만족스러운 결과를 가져가실 수 있을 것입니다.

강사소개

우리 강사님을 소개할게요!

전 금융 기업 데이터 사이언티스트, 현 금융AI 스타트업 대표이신 강사님이 함께 합니다!

James Lee
이력사항
  • 현) 금융AI 스타트업 스토아컴퍼니 CEO
  • 현) 숭실대학교 정보과학대학원 겸임교수
  • 전) 인텔리퀀트 퀀트 & 데이터사이언티스트
  • 전) 넥슨코리아 데이터사이언티스트
  • 전) Riiid! AI 사이언티스트
  • 성균관대학교 전자전기컴퓨터공학부 박사과정 수료
Q. 강의에서는 주로 어떤 내용을 다룰 예정이시고, 어떤 형태로 진행되나요?

시계열과 딥러닝, 이 둘은 따로 떼어놓고 각각 다루기에도 어려운 주제입니다.
이론 자체도 친숙하지 않은 개념이 많이 등장하기에 쉽게 이해하기 어렵고, 실제로 코드를 작성하는 것도 데이터의 특성 자체가 기존 데이터와는 다르기에 초심자 입장에서는 더더욱 어렵습니다.
그렇기에 더더욱 실전에서 활용이 가능한 핵심 내용을 위주로 다룰 예정입니다.
이론과 실습 모두 핵심이 되는 내용을 위주로 기초를 탄탄히 다지고, 추후 실전을 접했을 때 수강생이 스스로 문제를 푸는 데에 필요한 퍼즐을 찾아 해결해 나갈 수 있는 기반을 다지는 데에 초점을 맞출 것입니다.

Q. 본 강의에서 배운 내용을 수강생 분들이 어떻게 활용할 수 있을까요?

본 강의에서 다루는 내용을 통해 시계열을 딥러닝에 적용할 때 주의 깊게 살펴봐야 할 부분들을 모두 학습하실 수 있을 것이고, 실제로 시계열을 딥러닝에 적용하는 방법 역시 코드 레벨에서 제대로 학습하실 수 있으실 겁니다. 이러한 내용들은 실제 현업에서 시계열을 접하고 문제를 풀어야 할 때 전처리 과정부터 모델링까지 어떤 방식으로 수행해야 하는지 큰 그림을 그릴 수 있게 해줄 것이고, 더 나아가 실제 구현 단계에서까지 도움을 줄 것입니다.

Q. 다른 강의와 어떤 차별점이 있나요?

기존에 시계열 분석에 딥러닝을 적용한 사례 자료는 RNN / LSTM과 같은 알고리즘에 단순히 시계열 데이터를 입력해 예측 혹은 분류 결과를 도출하는 수준에 그치는 경우가 대부분입니다.
하지만 단순히 시계열 데이터를 딥러닝 모델에 입력하는 것 만으로는 유의미한 결과를 도출해낼 수 없습니다.
거기에 더해, 시계열 데이터를 딥러닝에 활용하는 use-case는 예측 / 분류 결과 도출 이외에 이상치 탐지, 시계열 생성 등 매우 다양합니다.
본 강의에서는 앞 서 언급한 다양한 use-case에 딥러닝을 활용하는 방법을 다루고, RNN / LSTM 이후에 등장한 최신 트렌드의 딥러닝 기법들에 대해서도 다룹니다.

Q. 마지막으로 수강생들에게 하고 싶으신 말이 있나요?

시계열 분석에 딥러닝을 적용해서 유의미한 결과를 도출해내는 것은 쉬운 일이 아닙니다.
두 개념을 각각 따로 떼놓고 이해하기도 어려울 뿐더러, 시간이라는 변수와 데이터의 관계에는 수많은 노이즈가 섞여있기에,
태생적으로 불확실성을 내포하는 데이터를 다루는 문제이기 때문에 더더욱 그렇습니다.

하지만 세상 모든 것에는 항상 양면 존재하듯이, 시계열은 다루기 어렵기 때문에 그만큼 다룰 수 있는 능력을 가진자의 가치는 더더욱 올라갑니다.
저는 시계열 분석을 배우는 일이 쉬운 길이라고 포장하는 말씀을 드리기 보다는 어렵지만, 그만큼 가치 있는 일이니 열심히 배우실 의지가 있다면 최선을 다해 이끌어드리겠다는 말씀을 드리고 싶습니다.

커리어 성장으로 가는 길, 러닝스푼즈와 함께 하세요!

지금 보고 계시는 강의의 관련 태그로 다른 강의도 찾아보세요.

오프라인 LIVE

딥러닝 시계열 분석 실전 : 4가지 실제 유즈 케이스로 배우는 마코브 체인

매일 선착순 20명 한정! 할인가 확인하고 커리어 성장하세요!