파이썬과 딥러닝을 활용한 시계열 자료 처리

교재 파일 다운로드

실습 코드 다운로드

Time-Series(시계열) Data 이해 - part 2

정상성 (Stationarity) 이해

정상성 검사(Stationarity Check) 방법

실습 - 시계열 데이터 처리를 위한 numpy 및 pandas 기능

실습 - 정상성 (Stationarity) 이해

실습 - Time Series 소개 및 ADF Test

차분법 (Differencing)

이동 평균 (Moving Average)

실습 - 차분(Differencing)과 이동 평균(Moving Average)

실습 - 시계열 자료 Feature Engineering

Naive Forecasting (Persistence Algorithm, 단순 예측 알고리즘)

실습 - Persistence Algorithm

Time Window를 이용한 Machine Learning 지도 학습 데이터 작성

실습 - 시계열 Window 지도 학습 데이터 생성

Deep Learning을 이용한 Time Series 처리의 장점

RNN 소개 및 Unfold 표기법

RNN의 Input/Outptu Shape - 1

RNN의 Input/Output Shape-2

실습 - Time Series window data 생성 및 모델 별 성능 비교

Huber Loss 이해

실습 - Optimal Learning Rate 찾기 및 Huber Loss 함수 적용

1D CNN 개요

실습 - Conv1D Layer 사용 및 Learning Rate Tuning

시계열 예측 (Time Series Forecasting) Single/Multi-step Input/Output Shape

실습 - LSTM Input/Output Shape

실습 - Shampoo 매출 예측

실습 - 가정의 Energy 사용량 예측

강의의 마지막 입니다.