• 컴퓨터/IT > 프로그래밍 > 델파이/파이썬

2021/11 컴퓨터/IT 83위 | 현재 컴퓨터/IT 83위 |

반디앤루니스 리뷰

파이썬, 케라스, 텐서플로를 무기로
나도 시계열 분석의 마스터가 된다!
4차 산업혁명의 시대에 인공지능은 모든 분야에 걸쳐 가장 뜨거운 이슈이자 대세이다. 이제는 인공지능을 알아야 살아남는 시대가 아니라, 인공지능은 당연히 알고 있다는 전제하에 활용해야 하는 시대가 온 것이다. 인공지능으로 인해 많은 직업들이 사라지고 있지만, 그 대신 인공지능을 다루는 많은 직업들이 생겨나고 있다.

이 책에서는 저자가 주로 현장 강의를 할 때 사용하던 소스를 이용하여 실제로 시계열 분석에서 자주 나오는 작업 과정을 반복적으로 실습해볼 수 있도록 구성하였다. 이 책을 통해 여러분도 인공지능을 통해 생겨나게 될 그 많은 직업들 중 한 분야에 참여하기를 바란다. 또한 캐글, 해커톤이나 다른 시계열 분석에 대해 공부하려는 분들에게도 적합한 학습서가 되어줄 것이다.

이 책의 특징
- 딥러닝을 구현하는 전체 과정을 아주 쉽게 설명하였다.
- 많은 예제를 통해 시계열 분석을 마스터할 수 있도록 구성하였다.
- KOSPI200과 삼성전자 주가를 이용하여 주가를 예측하는 모델을 첨부하였다.

이 책이 필요한 독자
- 이제 막 딥러닝을 시작하거나 캐글, 해커톤 등을 준비하는 학생 및 취준생
- 데이터 분석 업무를 맡게 될 사회 초년생 및 관련 업무 종사자
- 인공지능을 이용한 주가 분석에 도전해보고 싶은 개인 투자자

독자대상
초중급

출판사 리뷰

이 책에서는 독자들이 딥러닝을 함에 있어, 파이썬에 대한 매우 기초적인 지식을 가지고 있다는 전제하에 진행했다. 그리고 곧바로 케라스로 넘어가 인공지능 모델을 구현할 수 있도록 했다. 이 책은 데이터 사이언티스트가 되기 위한 기초 필독서보다는 쉽고 빠르게 배워서 원하는 인공지능 예측 모델을 만들어 정확도(accuracy)를 분석하고 예측(predict)하는 부분에 중점을 두었다. 인공지능 모델의 이론적인 부분은 가능한 배제하여, 쉽고 빠르게 기법을 익히고 곧바로 사용할 수 있는 실용성을 원하는 사람들에게 더 큰 도움이 될 것이다. 자동차를 운전하는 데 자동차 엔진 원리까지 이해할 필요는 없다. 엔진의 원리는 몰라도 운전 연습을 많이 하면 베스트 드라이버가 될 수 있듯이, 이 책을 통해 열심히 연습한다면 누구나 인공지능 분야의 베스트 드라이버가 될 수 있을 것이다.

Chapter 01 설치
1. 아나콘다 설치
2. 파이썬 설치 확인
3. Visual Studio Code 설치
4. Visual Studio Code 설정
5. Hello AI
6. 텐서플로, 케라스 설치

Chapter 02 딥러닝 시작
1. 1에서 10까지 예측 모델 구하기
2. 101에서 110까지 구하기
3. 딥러닝 케라스의 기본 구조

Chapter 03 회귀 모델

Chapter 04 회귀 모델의 판별식
1. 회귀 모델의 판별식
2. 회귀 모델 추가 코딩
3. 함수형 모델

Chapter 05 앙상블
1. concatenate
2. Merge Layer

Chapter 06 회귀 모델 총정리
1. Sequential 모델
2. 함수형 모델
3. 앙상블 및 기타 모델

Chapter 07 RNN
1. RNN이란?
2. SimpleRNN
3. LSTM
4. GRU
5. Bidirectional
6. LSTM 레이어 연결

Chapter 08 케라스 모델의 파라미터들과 기타 기법들
1. verbose
2. EarlyStopping
3. TensorBoard
4. 모델의 Save
5. 모델의 Load

Chapter 09 RNN용 데이터 자르기
1. split 함수 만들기(다:1)
2. split 함수 만들기 2(다:다)
3. split 함수 만들기 3(다입력, 다:1)
4. split 함수 만들기 4(다입력, 다:다)
5. split 함수 만들기 5(다입력, 다:다 두 번째)
6. split_xy 함수 정리

Chapter 10 RNN 모델 정리
1. MLP DNN 모델 (다:1)
2. MLP RNN 모델 (다:1)
3. MLP RNN 모델 (다:다)
4. MLP RNN 모델 (다입력 다:1)
5. MLP DNN 모델 (다입력 다:1)
6. MLP DNN 모델 (다입력 다:다)
7. MLP DNN 모델 (다입력 다:다)
8. RNN 모델 (다입력 다:다 두 번째)
9. DNN 모델 (다입력 다:다 두 번째)
10. RNN 모델 (다입력 다:다 세 번째)
11. DNN 모델 (다입력 다:다 세 번째)

Chapter 11 KOSPI200 데이터를 이용한 삼성전자 주가 예측
1. 주가 데이터 수집
2. 데이터 저장
3. numpy를 pandas로 변경 후 저장
4. numpy 데이터 불러오기
5. DNN 구성하기
6. LSTM 구성하기
7. DNN 앙상블 구현하기
8. LSTM 앙상블 구현하기