파이썬을 활용한

시계열 분석 입문 CAMP

시계열 데이터의 속성을 이해하고,
시계열 분석 문제에 대한 의사 결정 및
분석 결과 해석 능력을 기를 수 있는 강의

#시계열 분석 #실습 중심
#실무활용 가능

기간 & 일정

2019.02.23. – 04.13.
매주 토요일 10:00 – 13:00
주 1회, 총 24시간

장소 & 준비물

패스트캠퍼스 강남강의장
강남역 4번 출구, 미왕빌딩
개인 노트북

담당자 & 문의

이샘 매니저
02-518-4822
help-ds@fastcampus.co.kr

이렇게나 유용한 시계열 분석-

모든 데이터 분석에서 과거, 현재, 그리고 미래에 대한
해석 상세화와 예측 성능 향상에 큰 효과가 있는데

단지 수학 기초가 없다고 해서 시작조차 못하는건, 조금 억울하지 않겠어요?

기껏 어렵게 공부했는데 실무에서 활용을 못하는건, 더욱 억울하지 않겠어요?

icon2-2

본 강의에서는 수학/통계 기초가 부족한
수강생도
강사님을 따라
실습을 진행해보는 것만으로,
시계열 분석의 흐름과
결과 해석이 가능해집니다!

강의 특징.

#실무 경험자의
노하우 공유

최근에 많은 통계학자들이 파이썬을 통해 시계열 패키지를 정형화해 제공하고 있지만, 이를 활용해 코드를 돌리고 결과를 해석할 줄 아는 사람이 많지 않습니다. 하지만 본 강의에서는 현업에서 경험을 쌓아오신 강사님께서, 본인의 경험을 토대로 수강생들이 실무에서 겪을 수 있는 문제들에 대비할 수 있도록 도와주십니다.

#수학/통계 기초가
부족해도 OK!

시계열 분석 학습을 하는데 있어 많은 수강생분들이 부담을 느끼는 부분이 바로 ‘수학’입니다. 대부분의 자료가 수학에 대한 선행지식을 전제로 하기 때문이죠. 하지만, 본 강의는 기초적인 수학 지식 없이도 내용을 이해는데 어려움이 없도록, 강사님과 실습을 진행해보면서 실무에서 필요한 내용만을 익혀가실 수 있습니다.

#실무 적용을 위한
실습 중심

시계열 분석의 이론을 익히는 것 뿐만 아니라, 파이썬을 활용한 실습으로 실무 적용 능력을 기르실수 있습니다. 시계열 분석의 예시와 적용사례를 통해 시계열 데이터의 구조 및 특성을 이해할 수 있고, 강사님과 함께 분석 결과를 보며 해석하는 시간을 통해 시계열 데이터를 바라보는 인사이트를 기를실수 있습니다.

추천 대상.

이런 분들께 추천드립니다.

icon5-100x100_y

파이썬 코딩 경험과 시계열 분석을 학습한 적은 있지만, 본인의 데이터에 접근하는 것이 어려우신 분

icon6-100x100_y

시계열 분석의 필요성은 느끼지만, 수학/통계 관련한 기초가 부족해 공부를 시작하기가 두려우신 분

icon8-100x100_y

시계열 분석을 활용하여
재고 및 생산관리 등 프로세스의 최적화를 이루고자 하는 분

icon7-100x100_y

시계열 분석을 이론적으로는 공부해봤지만, 실전적용에는
어려움을 느끼시는 분

잠깐, 이 강의가 나에게 적합할까?

아래의 세 항목 중, 두 가지 이상의 항목에 Yes!라고 대답하실 수 있어야, 수강에 어려움이 없습니다.

① 파이썬을 실행하여 코딩을 해 본 경험이 있다.
② 파이썬에서 Pandas, DataFrame, List, Dictionary 중 최소 2개 이상은 무슨 의미인지 알고 있다.
③ Regression, ARIMA 중 최소 1개 이상은 들어보거나 무슨 의미인지 알고 있다.

커리큘럼.

Part1. 데이터 분석의 흐름 이해 및 시계열 데이터 분석 준비하기

*1회차 : 시계열 데이터의 구조를 파악해보고, 분석을 위한 파이썬 환경 설정

이론 80%

데이터 분석의 단계별 목적 이해하기

-데이터수집과 변수정리
-데이터분리 및 기초통계 확인하기
-데이터특성 시각화하기
-모델적용/검증/에러분석

데이터 구조를 이해하고 구조에 따른 분석방향 이해하기

-데이터를 접근하는 방향에 따른 구조 이해
Cross-sectional/Time Series/Pooled/Panel Data
-시간 스케일에 따른 분석범위 확인하기

분석 단계별 의사결정을 위한 수학/통계적 언어를 이해하기

-추론통계와 가설, 검정종류
-신뢰수준과 유의확률(p-value)
-검정통계량 및 의사결정

실습 20%

파이썬 셋팅 및 기본 문법 리뷰하기

-파이썬 사용을 위한 툴설치(Jupyter Lab) 및 경로설정
-pandas, numpy 기본문법정리

*2회차 : 시계열 데이터를 데이터분석의 흐름에 맞게 실습해봅시다.

이론 10%

시계열 데이터에 대한 접근방법 리뷰

실습 90%

시계열 데이터를 분석 단계에 맞게 실습해보기

-데이터 정리 및 특성 추출(Feature Engineering)
-시계열 데이터 시각화 통한 데이터 이해(Visualization)
-시계열 데이터 모델링과 검증에 사용할 데이터 분리 이해(Train/Validate/Test)
-시계열 분석결과 비교를 위한 베이스 모델 적용(Linear Regression)
-결과 예측력의 성능 확인을 위한 검증(Evaluation)
-추가성능 향상을 위한 아이데이션 및 검증결과 해석(Error Analysis)
-분석 사이클 반복작업 재사용 효율을 높이기 위한 단계별 함수화(Functionalization)

Part2. 머신러닝을 활용하여 예측성능 높이기

*3회차 : 데이터의 시간특성을 제외하여 분석하는 머신러닝 방법론을 활용하여 예측성능 업데이트 및 시계열분석 실습해보기

이론 10%

머신러닝을 포함한 다양한 예측 방법론의 이해

-LASSO/ElasticNet
-GradientBoosting/XGBoost/LigntGBM
-DecisionTree/RandomForest

기초통계분석과 머신러닝분석의 성능 비교하기

실습 90%

모델 구현을 통한 성능 향상 및 추가성능 향상을 위한 아이데이션

파이썬에서 머신러닝 패키지 활용 방법 이해

Python에서의 적용 방법 이해를 위한 실습 및 세부 옵션 등의 이해

Part3. 선형/비선형/다변량 시계열분석 이해 및 실습

*4-5회차 : 시계열 특성을 파악하고 시계열 패턴 추출 및 시계열분석 이해

이론 70%

시계열 특성 파악 및 원리 이해하기

시계열 데이터의 기본 가정 및 4대 주요모형 이해

-백색잡음(White Noise)
-랜덤워크(Random Walk)
-자기회귀(Autoregression
-이동평균(Moving Average)

발산하는 자료의 정상화를 통한 모형 안정성 이해

시계열 데이터 패턴 분해 및 시차들간의 상관성 이해

-Trend/Seasonality/Decomposition/Autocorrelation/Partial Autocorrelation

실습 30%

전통적인 예측 기본 방법론 이해 및 검증 데이터 셋 분리 이해

-Moving/Smoothing/Drift/ETS/ARIMA 등

*5-6회차 : 선형/비선형 시계열분석 및 자동화 적용하기

이론 40%

머신러닝과 시계열분석의 데이터와 활용 목적 이해하기

실습 60%

비선형 시계열분석 적용 및 성능 확인하기

– Kalman Filter/Exponential Smoothing

선형 시계열분석 적용 및 성능 확인하기

-ARIMA/SARIMA/SARIMAX/Automation

*7회차 : 단변량과 다변량 시계열 분석의 차이를 이해하고, 이를 실습하여 봅니다.

이론 60%

기존 단변량과 다변량 시계열 분석의 차이를 이해해보기

-Vector Autoregressions(VAR)
-Dynamic Vector Autoregressions(DVAR)
-Vector Error Correction Models(VECM)

실습 40%

다변량 시계열 모델을 통한 예측 설명력 이해 및 시뮬레이션하기

-다변량 시계열 분석의 해석력 강점 확인 및 해석 방법 이해
-변수들 간의 공적분(커플링/디커플링) 움직임 분석(Cointegration)
-에러 분해를 통한 예측결과의 변수의 영향력/설명력 분석(Error Variance Decomposition)
-변수별 입력 데이터 변경을 통한 미래 예측 시뮬레이션 분석(Impulse Response Analysis)
-변수들간의 인과관계 확인 및 시간에 따른 선행성/후행성 분석(Granger Causality/Dynamic Effect Transmission)

Part4. 시계열 분석 활용방법 이해 및 자신의 데이터 적용가능성 살펴보기

*8회차 : 모델을 향상시키기 위한 접근 방법을 고민해보고, 자신의 데이터에 시계열 분석을 적용할 수 있는지 논의하여 봅니다.

이론 10%

자신의 업무/데이터를 기반으로 시계열분석을 활용할 수 있는 가능성 논의해보기

모델 성능 향상을 위해 가능한 접근이 무엇인지 고민해보기

기존 예제 데이터를 활용하여 분석 성능 최대화하기

실습 90%

선형/비선형/단변량/다변량 시계열 분석 요약 및 이해도 정리해보기

check

수강 전, 꼭 확인하세요!

Anaconda 버전 5.2.0 필수
-본 강의에서 주로 활용되는 실습데이터는 시계열분석을 활용한 “수요예측”과 관련된 데이터로써
스마트폰 사용기록, 공유경제 시스템 사용기록, 일기예보 현황, 국내외 금융데이터 등을 활용합니다.

1) 수요예측을 위한 Bike Sharing 데이터(https://bit.ly/2FUgc2e)
2) 모바일 사용기록과 관련된 데이터(https://bit.ly/2fFTWJf)
3) 날씨 예측을 위한 Weather Specific 데이터(https://bit.ly/2Dojnh2)
4) 국내외 금융데이터

8주 후, 당신은.

시계열 데이터 분석 결과를 이해하고,
실무에 활용하는 당신의 모습에 놀라실거예요!

시계열 데이터의 속성을
이해하고, 시계열 분석 문제에
대해 스스로 의사 결정을
할 수 있습니다.

시계열 분석의 각 방법론이
어떤 목적을 가지는지,
시계열 데이터 분석의
큰 그림을 이해할 수 있습니다.

시계열 분석 결과를
해석할 수 있고,
데이터를 바라보는
인사이트가 생기게 됩니다.

판매량이나 생산관리 같은
경제 자료를 분석하고,
프로세스를 최적화시킬
수 있습니다.

강사 소개.

pytime_t

김경원 강사님

현재 인공지능센터에서 AI알고리즘을 활용한 데이터 분석 업무를 담당하고 있습니다. 시계열분석은 다양한 분석 알고리즘 중 하나의 큰 축으로, 많은 분석들에서 시간특성(시계열)의 반영이 그 어떠한 알고리즘에서도 파악할 수 없는 패턴을 잘 반영한다는 강점을 증명받아 왔습니다. 따라서 시계열분석 사고에 대한 보유는 작게는 여러분들 각자의 시야를 넓혀줄 뿐 아니라, 크게는 현업의 적제 되어 있는 문제들의 새로운 출발이 될 수도 있다고 감히 말씀 드립니다! 이러한 방향에 여러분의 의지가 담길 때, 여러분의 삶이 긍정적으로 변화되는 모습을 보실 수 있으실 것입니다.

[약력]
(현) S연구소 인공지능센터 데이터 싸이언티스트
(전) S사 빅데이터랩 데이터 싸이언티스트
(전) 서울대학교 산업공학과 금융공학 전공 박사
(통계학과 데이터마이닝 전공 석사, 수학과 학사)

[활동 이력]
(S사) 프로젝트
– 영업/마케팅 매출기여도 분석 및 최적투자 포트폴리오 시뮬레이션
– 부품 수급 자동화 및 비용 최적화를 위한 수요예측
– 프로모션 효과 향상을 위한 고객 구매확률 예측 및 전략기획
– 고객 불만 사전대응을 위한 경보 시스템 구축 분석
– 제품 불량 원인 파악을 위한 이상탐지 분석 및 수명 예측
– 광고 효과 향상을 위한 고객 프로파일 예측 및 추천 확률 계산
– 서비스/앱의 고객 이탈확률 분석 및 Life Cycle 분석
(H사, S사) 시장분석, 파생상품, 외환시스템, 계량경제, 시계열분석, 데이터마이닝 등 강의
(S연구소) 확률 및 확률과정, 병렬처리, 고차원 자료분석, 시뮬레이션 등 강의
(E대학) 계량경제, 경제통계, R, Matlab, SAS 등 강의
(S대학) 수치해석, 수요예측, 최적화, 투자위험관리, 금융시계열분석, 금융공학 사례분석 등 강의

수강료 안내

정가:150만 원

# 다음 기수 강의정보가 궁금하다면? 출시알림을 신청하세요!
# 할인가는 매주 목요일 자정에 변경됩니다.
# 할인가 적용 및 수강 확정은 결제일을 기준으로 합니다.

강의장 안내