강사 핀인사이트 이기홍 강사
일정 1차) 2024년 9월 28일(토) ~ 10월 20일(일) / 8회
2차) 2024년 11월 16일(토) ~ 12월 8일(일) / 8회
시간 (주말) 토, 일 9시-16시 / 48시간
장소 이룸센터(국회의사당 4번 출구 앞)
*오프라인 참석이 어려운 분에 한해 실시간 ZOOM 수업 참여 가능(실시간 참여 시에만 출석 인정)
인원 23명 내외
신청접수기간 선착순 모집 *선착순으로 조기마감될 수 있습니다.
수강여부안내 교육 개강일 5일 전 17시
비용 무료
문의 금융 특화 AI사무국
(02-3274-9389, rhtndk1020@kma.or.kr, 카카오톡 채널 @금융특화ai사무국) 문의하기
이번 과정의 특징을 알아볼까요?
| 대상 | 금융 또는 핀테크 기업 재직자 *중소/스타트업부터 대기업까지 모두 가능 *2023년 동일 과정 수강자 신청 불가 | ||
| 목표 | - 증권 분야에서 종사하는 재직자를 위한 머신러닝 기반 모델링 및 투자 전략 수립 방법 교육 - 증권 분야에서 트레이딩 분야에 AI 기술 도입을 기획·운영할 중간 관리자 및 실무인력 대상 - 실습과 프로젝트를 통해 머신러닝 기반 투자 전략 수립과 해당 포트폴리오의 성과분석을 통한 검증 방법 습득 - 금융AI 개발·활용 안내서의 내용을 교육하고 체크리스트 숙지 | ||
| 특장점 | - 금융 산업 현장 데이터를 활용한 실무 활용 중심의 커리큘럼 - 금융위원회에서 발표한 「금융 AI 개발·활용 안내서」 기반 증권 분야 체크리스트에 따라 실습 및 프로젝트 수행 - 팩터 투자, 시장 스타일 분석 등 증시 분석 및 해석 방법 학습 - 백테스트를 통해 투자전략 신뢰도 확인 방법 학습 | ||
| 기간 | 1차) 2024년 9월 28일(토) ~ 10월 20일(일) / 8회 2차) 2024년 11월 16일(토) ~ 12월 8일(일) / 8회 | ||
| 시간 | (주말) 토, 일 9시-16시 / 48시간 | ||
| 인원 | 23명 내외 | ||
| 비용 | 교육비 무료 | ||
| 장소 | 이룸센터(국회의사당 4번 출구 앞) *오프라인 참석이 어려운 분에 한해 실시간 ZOOM 수업 참여 가능(실시간 참여 시에만 출석 인정) | ||
신청 | - 신청접수기간 : 선착순 모집 *선착순으로 조기마감될 수 있습니다. - 수강여부안내 : 교육 개강일 5일 전 17시 - 제출 서류 : 금융산업 혹은 핀테크 분야 기업에 재직 확인 가능한 증빙서류 (사업자등록증, 재직증명서 등) *증빙서류 제출순으로 선착순 신청 완료 | ||
프로그램의 강사는 어떤 분이세요?
강사 |  | 이기홍 △ Hertz&Alpha, CEO (21)△ 핀인사이트, 사외이사, 연구 및 강의 (17~현재) △ 더블유더블유지자산운용 CIO (17) △ 한국투자공사 CIO (06-17) △ 새마을금고연합회, 해외대체투자팀장 (10~13) △ JR Investment L.P Financail Consultant (99~02) △ HSBC증권 서울지점 Senio Analyst (98~99) △ CFA, FRM △ 인사이트캠퍼스, 아시아경제, 금융권 다수 강의 △ 연구분야 : 금융 AI, 머신러닝, 딥러닝, 알고리즘 트레이딩 △ 저서 : 엑셀 VBA로 쉽게 배우는 금융공학 프로그래밍, 한빛미디어 (09) | ||
프로그램 커리큘럼이 궁금합니다!
1) 사전 동영상 강의
| 주제 | 강의내용 | 비고 | 시간 |
| 딥러닝의 깊이 있는 이해를 위한 머신러닝 | ● 머신 러닝을 위한 표현방법 ● 지도학습과 Decision Tree ● 확률적 구분기와 Naive Bayes ● Non-parametric 구분기와 ensemble 모델 ● Linear Regression과 Least Square ● Linear Classification ● Linear Model의 한계점과 보완방법 | 이론 | 7H |
| 딥러닝의 깊이 있는 이해를 위한 머신러닝 | ● Non-linear Data 학습 방법 ● Unsupervised Learning ● Weak- & Semi- Supervision ● Gradient Descent ● Deep Neural Network ● Supervised Learning & Unsupervised Learning with Deep Neural Network | 이론 | 6H |
| 핀테크 비즈니스 현황 및 트렌드 | ● 핀테크 산업의 트렌드 ● 핀테크 기반 BM 동향 ● 데이터 분석 및 인공지능 적용 비즈니스 혁신 사례 ● 금융 관련 핵심 이슈와 규제 | 이론 | 2H |
| 머신 러닝 | ● 머신 러닝의 학습 프레임워크 ● 머신 러닝과 딥 러닝의 차이 ● 다양한 머신 러닝 딥 러닝 사례 | 이론 | 1H |
| 간편결제 및 자산관리 사례 | ● 디지털 전환을 통한 간편 결제 사례 분석 ● 자산 관리를 위한 로보어드바이저 사례 분석 | 이론 | 1H |
| 핀테크 AI 모델과 데이터 | ● 핀테크 분야에서 사용하는 AI와 데이터에 대해 소개 ● 핀테크 직무과정 AI 리터러시 ● 핀테크 AI 모델의 동작원리 ● 핀테크 AI 모델의 사용 데이터 | 이론 | 1.5H |
| 금융데이터의 특징과 처리방법 | ● 금융 데이터 구조의 유형별 사례를 소개하며 분석 방법 교육 ● 데이터 구조에 따라 분석 시 주의사항 소개 ● 데이터 전처리와 탐색 ● AI 성능 평가 방법 | 이론 | 1.5H |
* 온라인 동영상 강의는 오프라인 강의에 도움이 될 수 있는 기초강의로 수료에는 미포함되며, 수료기준(80%이상)은 오프라인 강의에 적용됩니다.
2-1) 실시간 오프라인 강의 1차
| 일자 | 시간 | 주제 | 강의내용 | 비고 |
| 09/28 (토) | 09:00-16:00 | 머신러닝 분석을 위한 알파 팩터 수집 및 작성-미국 주식시장 | ● 금융AI 개발·활용 안내서 체크리스트 리뷰를 통해 데이터의 요구조건 및 품질에 대한 이해 ● 다양한 데이터 소스로부터 데이터 수집 ● 월드퀀트의 알파 팩터 101을 실습함으로써 알파팩터에 대한 이해를 향상시킴. (데이터 수집과 알파 팩터 생성에 대한 수업을 추가함으로 이해도 및 실전성 향상) | 이론/실습 |
| 금융 데이터 수집 및 가공 | ● KOSPI200과 SP500 수집 및 비교 - KOSPI200 지수 수집하기 - SP500 지수 수집하기 - 여러 딕셔너리 병합해서 한 테이블로 만들기 - 두 지수의 비교 ● 자신만의 지수 K10 만들기 - 네이버에서 10대기업 데이터 수집 - 주가 구하고 지수 산출 - 지수 그래프 그리기 - KOPSPI200과 비교 | 이론/실습 | ||
| 09/29 (일) | 09:00-16:00 | 금융 데이터 수집 및 가공 | ● 파이썬/판다스 리뷰 - 전처리를 위한 판다스 활용 - 데이터 프레임 병합과 변형 및 멀티 인덱스 ● 정규식 리뷰 - 문자열 패턴 - 데이터 정제 - 핸드폰 검색 - 간편식을 이용한 패턴 정의 | 이론/실습 |
| 맞춤형 펀드 설계 및 운용 | ● K10 펀드 구성을 위한 준비 ● K10 펀드 설계 및 운용 - 기준 가격 설정 - 신규 펀드 설정 및 환매 좌수 계산 - NAV 업데이트 | 이론/실습 | ||
| 10/05 (토) | 09:00-16:00 | 머신 러닝 분석을 위한 금융 데이터 생성 | ● 투자 스타일 및 알파 팩터를 이해하고 어떤 데이터가 필요한지 이해하기 위해 가장 기본 팩터 모델인 파마-프렌치 3요인/5요인 팩터 모델를 숙지 및 이해 ● `10-15년 3000개 미국 기업의 주식 시장 데이터셋을 사용해 주식 시장 데이터 디렉토리 구축 실습 ● Ta-Lib을 통해 파이썬 환경에서 빠르게 주가 지표를 계산 및 생성하고 주가 차트 분석하는 방법 실습 | 이론/실습 |
| 기본적 팩터 모델의 이해 | ● 5일차 과정을 통해 생성된 데이터를 기반으로 팩터 모델을 구축 ● 생성된 데이터와 다중 팩터 모델 (파마-프렌치 5요인 모델)을 이용해 수익률 예측과 위험분석 및 성과분석에 활용한다. | 실습 | ||
| 10/06 (일) | 09:00-16:00 | 선형모델을 통한 수익률 예측 I | ● 선형 회귀모델을 기반으로 수익률을 예측하고 투자 성과 평가 및 투자전략 수립 ● 포토폴리오 별 모멘텀 효과를 고려한 고유변동성과 기대수익률의 횡당면 관계 분석으로 투자 전략 성과 분석 ● KOSPI 주가 예측 실습 (선형모델) | 실습 |
| 선형모델을 통한 수익률 예측 II | ● 7일차 분석을 더 발전시켜, 릿지, 라소 및 다항식 선형회귀 모델로 전통 선형회귀 모델을 확장해 수익률 예측 및 예측에 사용된 팩터 평가 실습 ● 싸이킷런과 StatsModels를 활용한 선형모델 실습 ● KOSPI 주가 예측 실습 (고급 선형모델) | 이론/실습 | ||
| 10/12 (토) | 09:00-16:00 | 선형 머신러닝 투자 모델 검증을 위한 전략 백테스트 I | ● 8일차 까지 수행한 내용을 기반으로 선형 머신 러닝 모델 성능 검증을 위한 백테스팅 수행 - zipline을 이용한 백테스트 실습 ● 트레이딩 수행을 위한 머신러닝 워크플로우 숙지 | 실습 |
| 선형 머신 러닝 투자 모델 검증을 위한 전략 백테스트 II | ● zipline을 이용한 백테스트 실습 (계속) ● Alphalens(알파팩터 성과분석)와 Pyfolio(포트폴리오 성과 및 리스크분석) 를 활용한 성과 분석 및 투자 분석 ● 백테스팅 성과 시각화 실습 | 실습 | ||
| 10/13 (일) | 09:00-16:00 | 고급 머신러닝의 이해 및 구현 실습 | ● 고급 머신러닝 모델인 부스트 트리 모델 (XGBoot, LightGBM과 Catboost)의 탄생 배경과 원리 이해 ● 부스트 트리 모델 구현 및 실습 | 실습 |
| 미국주식 머신러닝 투자전략 | ● 미국 Quandl 데이터를 사용한 End-to-End 투자 모델 구축 및 실행 ● LightGBM/CatBoost 방법론의 동작원리, 사용방법, 시계열의 교차 검증, 특성 중요도를 통해 중요 특징 확인 방법 소개 ● Shap 분석을 통해 설명가능성 방법 및 데이터 편향성에 대한 대처 방법 이해 ● LightGBM/Catboost 모델을 설계하고 하이퍼파라미터 튜닝 등 사용방법 실습 | 실습 | ||
| 10/19 (토) | 09:00-16:00 | 미국주식 머신러닝 투자전략 | ● 12일차 결과를 기반으로 LightGBM/Catboost을 통해 수익률 예측하고 이를 기반으로 투자전략 생성 및 집라인은로 백테스트 수행 ● 백테스트 결과를 Pyfolio(포트폴리오 성과 및 리스크분석)를 사용해 성과/위험 분석 및 투자 분석 ● 포트폴리오 구축 모델 (EW, MVO, HRP) ● 전체 투자 프로세스의 이해 | 실습 |
| 딥러닝 투자 전략 | ● 딥러닝을 이용한 분석 - 기초 딥러닝 이해 - RNN과 LSTM/GRU의 이해 - RNN, LSTM 확장: 스태킹과 특성 임베딩 - TCN(Temporal CNN, Wavenet) 설명 - Seq2Seq 모델의 이해 - Attention과 트랜스포머의 이해 및 시계열분석 - 최신 딥러닝 시계열 기법의 이해 (1) N-BEATS (2) N-HiTS (3) Temporal Fusion Transformer(TFT) | 이론 | ||
| 10/20 (일) | 09:00-16:00 | 딥러닝 투자 전략 | ● 딥러닝을 이용한 시계열 분석 실습 - RNN 및LSTM/GRU 실습(스태킹과 특성 임베딩) - TCN과 RNN 실습 및 비교 - Seq2Seq 모델을 이용한 주가 예측 실습 - Attention과 트랜스포머를 이용한 주가예측 실습 - 최신 딥러닝 시계열 기법 실습: (1) N-BEAT, (2) N-HiTS, (3) TFT ● 한국 주식 시장 또는 미국 ETF 시장 분석 프로젝트 수행 - 부스팅 기반 방법론 또는 RNN 기반 방법론을 활용하여 분석 수행 | 프로젝트 |
| AI 가이드라인 설명과 실습 | ● 한국 주식 시장 또는 미국 ETF 시장 분석 프로젝트 수행 - 부스팅 기반 방법론 또는 RNN 기반 방법론을 활용하여 분석 수행 ● 금융AI 개발·활용 안내서 프로세스 및 체크리스트 설명 및 실습 - 데이터 개인정보 보호 - 데이터 공정성 - 데이터 설명가능성 - 데이터 강건성(적대적 공격 및 방어) ● 개인 투자자들의 선호 측정 방법 실습 | 프로젝트 |
2-2) 실시간 오프라인 강의 2차
| 일자 | 시간 | 주제 | 강의내용 | 비고 |
| 11/16 (토) | 09:00-16:00 | 머신러닝 분석을 위한 알파 팩터 수집 및 작성-미국 주식시장 | ● 금융AI 개발·활용 안내서 체크리스트 리뷰를 통해 데이터의 요구조건 및 품질에 대한 이해 ● 다양한 데이터 소스로부터 데이터 수집 ● 월드퀀트의 알파 팩터 101을 실습함으로써 알파팩터에 대한 이해를 향상시킴. (데이터 수집과 알파 팩터 생성에 대한 수업을 추가함으로 이해도 및 실전성 향상) | 이론/실습 |
| 금융 데이터 수집 및 가공 | ● KOSPI200과 SP500 수집 및 비교 - KOSPI200 지수 수집하기 - SP500 지수 수집하기 - 여러 딕셔너리 병합해서 한 테이블로 만들기 - 두 지수의 비교 ● 자신만의 지수 K10 만들기 - 네이버에서 10대기업 데이터 수집 - 주가 구하고 지수 산출 - 지수 그래프 그리기 - KOPSPI200과 비교 | 이론/실습 | ||
| 11/17 (일) | 09:00-16:00 | 금융 데이터 수집 및 가공 | ● 파이썬/판다스 리뷰 - 전처리를 위한 판다스 활용 - 데이터 프레임 병합과 변형 및 멀티 인덱스 ● 정규식 리뷰 - 문자열 패턴 - 데이터 정제 - 핸드폰 검색 - 간편식을 이용한 패턴 정의 | 이론/실습 |
| 맞춤형 펀드 설계 및 운용 | ● K10 펀드 구성을 위한 준비 ● K10 펀드 설계 및 운용 - 기준 가격 설정 - 신규 펀드 설정 및 환매 좌수 계산 - NAV 업데이트 | 이론/실습 | ||
| 11/23 (토) | 09:00-16:00 | 머신 러닝 분석을 위한 금융 데이터 생성 | ● 투자 스타일 및 알파 팩터를 이해하고 어떤 데이터가 필요한지 이해하기 위해 가장 기본 팩터 모델인 파마-프렌치 3요인/5요인 팩터 모델를 숙지 및 이해 ● `10-15년 3000개 미국 기업의 주식 시장 데이터셋을 사용해 주식 시장 데이터 디렉토리 구축 실습 ● Ta-Lib을 통해 파이썬 환경에서 빠르게 주가 지표를 계산 및 생성하고 주가 차트 분석하는 방법 실습 | 이론/실습 |
| 기본적 팩터 모델의 이해 | ● 5일차 과정을 통해 생성된 데이터를 기반으로 팩터 모델을 구축 ● 생성된 데이터와 다중 팩터 모델 (파마-프렌치 5요인 모델)을 이용해 수익률 예측과 위험분석 및 성과분석에 활용한다. | 실습 | ||
| 11/24 (일) | 09:00-16:00 | 선형모델을 통한 수익률 예측 I | ● 선형 회귀모델을 기반으로 수익률을 예측하고 투자 성과 평가 및 투자전략 수립 ● 포토폴리오 별 모멘텀 효과를 고려한 고유변동성과 기대수익률의 횡당면 관계 분석으로 투자 전략 성과 분석 ● KOSPI 주가 예측 실습 (선형모델) | 실습 |
| 선형모델을 통한 수익률 예측 II | ● 7일차 분석을 더 발전시켜, 릿지, 라소 및 다항식 선형회귀 모델로 전통 선형회귀 모델을 확장해 수익률 예측 및 예측에 사용된 팩터 평가 실습 ● 싸이킷런과 StatsModels를 활용한 선형모델 실습 ● KOSPI 주가 예측 실습 (고급 선형모델) | 이론/실습 | ||
| 11/30 (토) | 09:00-16:00 | 선형 머신러닝 투자 모델 검증을 위한 전략 백테스트 I | ● 8일차 까지 수행한 내용을 기반으로 선형 머신 러닝 모델 성능 검증을 위한 백테스팅 수행 - zipline을 이용한 백테스트 실습 ● 트레이딩 수행을 위한 머신러닝 워크플로우 숙지 | 실습 |
| 선형 머신 러닝 투자 모델 검증을 위한 전략 백테스트 II | ● zipline을 이용한 백테스트 실습 (계속) ● Alphalens(알파팩터 성과분석)와 Pyfolio(포트폴리오 성과 및 리스크분석) 를 활용한 성과 분석 및 투자 분석 ● 백테스팅 성과 시각화 실습 | 실습 | ||
| 12/01 (일) | 09:00-16:00 | 고급 머신러닝의 이해 및 구현 실습 | ● 고급 머신러닝 모델인 부스트 트리 모델 (XGBoot, LightGBM과 Catboost)의 탄생 배경과 원리 이해 ● 부스트 트리 모델 구현 및 실습 | 실습 |
| 미국주식 머신러닝 투자전략 | ● 미국 Quandl 데이터를 사용한 End-to-End 투자 모델 구축 및 실행 ● LightGBM/CatBoost 방법론의 동작원리, 사용방법, 시계열의 교차 검증, 특성 중요도를 통해 중요 특징 확인 방법 소개 ● Shap 분석을 통해 설명가능성 방법 및 데이터 편향성에 대한 대처 방법 이해 ● LightGBM/Catboost 모델을 설계하고 하이퍼파라미터 튜닝 등 사용방법 실습 | 실습 | ||
| 12/07 (토) | 09:00-16:00 | 미국주식 머신러닝 투자전략 | ● 12일차 결과를 기반으로 LightGBM/Catboost을 통해 수익률 예측하고 이를 기반으로 투자전략 생성 및 집라인은로 백테스트 수행 ● 백테스트 결과를 Pyfolio(포트폴리오 성과 및 리스크분석)를 사용해 성과/위험 분석 및 투자 분석 ● 포트폴리오 구축 모델 (EW, MVO, HRP) ● 전체 투자 프로세스의 이해 | 실습 |
| 딥러닝 투자 전략 | ● 딥러닝을 이용한 분석 - 기초 딥러닝 이해 - RNN과 LSTM/GRU의 이해 - RNN, LSTM 확장: 스태킹과 특성 임베딩 - TCN(Temporal CNN, Wavenet) 설명 - Seq2Seq 모델의 이해 - Attention과 트랜스포머의 이해 및 시계열분석 - 최신 딥러닝 시계열 기법의 이해 (1) N-BEATS (2) N-HiTS (3) Temporal Fusion Transformer(TFT) | 이론 | ||
| 12/08 (일) | 09:00-16:00 | 딥러닝 투자 전략 | ● 딥러닝을 이용한 시계열 분석 실습 - RNN 및LSTM/GRU 실습(스태킹과 특성 임베딩) - TCN과 RNN 실습 및 비교 - Seq2Seq 모델을 이용한 주가 예측 실습 - Attention과 트랜스포머를 이용한 주가예측 실습 - 최신 딥러닝 시계열 기법 실습: (1) N-BEAT, (2) N-HiTS, (3) TFT ● 한국 주식 시장 또는 미국 ETF 시장 분석 프로젝트 수행 - 부스팅 기반 방법론 또는 RNN 기반 방법론을 활용하여 분석 수행 | 프로젝트 |
| AI 가이드라인 설명과 실습 | ● 한국 주식 시장 또는 미국 ETF 시장 분석 프로젝트 수행 - 부스팅 기반 방법론 또는 RNN 기반 방법론을 활용하여 분석 수행 ● 금융AI 개발·활용 안내서 프로세스 및 체크리스트 설명 및 실습 - 데이터 개인정보 보호 - 데이터 공정성 - 데이터 설명가능성 - 데이터 강건성(적대적 공격 및 방어) ● 개인 투자자들의 선호 측정 방법 실습 | 프로젝트 |
교육 신청 하려면 어떻게 해야 하나요?
| 방법 | - 하단 버튼을 클릭하시고 양식에 맞춰 작성하신 후 제출해 주세요. 신청하기 - 교육 개강일 5일 전 17시에 신청 시 작성해주신 이메일 또는 문자로 연락 드릴 예정입니다. | ||
자주하는 질문
| Q. 인공지능 사전 지식이 없어도 수강이 가능한가요? | ||
| A. 본 교육과정은 인공지능 교육이 아닌 인공지능의 금융산업 활용 교육입니다. 때문에 금융산업에 특화된 인공지능 기술에 관심이 있으신 분이라면 충분히 수강 가능합니다. | ||
| Q. 교육생 선발은 어떻게 되나요? | ||
| A. 교육 신청 시 제출하신 해당산업분야 대상여부 확인이 가능한 증빙서류를 통해 자격 요건을 확인하고 있습니다. 과정별 대상자 부합 여부 및 선착순으로 선정됩니다. | ||
| Q. 수료기준은 어떻게 되나요? | ||
| A. 실시간 강의 기준 출석률 80%이상(사전교육영상 수강시간 미포함) 참여 시 수료 됩니다 | ||
| Q. 수료증 발급이 되나요? | ||
| A. 수료증은 기본적으로 한국핀테크지원센터 명의 수료증이 발급되며, 필요한 경우 교육 운영사인 한국능률협회 명의 수료증도 추가 발급 가능합니다. | ||
이번 과정의 특징을 알아볼까요?
| 대상 | 금융 또는 핀테크 기업 재직자 *중소/스타트업부터 대기업까지 모두 가능 *2023년 동일 과정 수강자 신청 불가 |
| 목표 | - 증권 분야에서 종사하는 재직자를 위한 머신러닝 기반 모델링 및 투자 전략 수립 방법 교육 - 증권 분야에서 트레이딩 분야에 AI 기술 도입을 기획·운영할 중간 관리자 및 실무인력 대상 - 실습과 프로젝트를 통해 머신러닝 기반 투자 전략 수립과 해당 포트폴리오의 성과분석을 통한 검증 방법 습득 - 금융AI 개발·활용 안내서의 내용을 교육하고 체크리스트 숙지 |
| 특징 | - 금융 산업 현장 데이터를 활용한 실무 활용 중심의 커리큘럼 - 금융위원회에서 발표한 「금융 AI 개발·활용 안내서」 기반 증권 분야 체크리스트에 따라 실습 및 프로젝트 수행 - 팩터 투자, 시장 스타일 분석 등 증시 분석 및 해석 방법 학습 - 백테스트를 통해 투자전략 신뢰도 확인 방법 학습 |
| 기간 | 1차) 2024년 9월 28일(토) ~ 10월 20일(일) / 8회 2차) 2024년 11월 16일(토) ~ 12월 8일(일) / 8회 |
| 시간 | (주말) 토, 일 9시-16시 / 48시간 |
| 인원 | 23명 내외 |
| 비용 | 교육비 무료 |
| 장소 | 이룸센터(국회의사당 4번 출구 앞) *오프라인 참석이 어려운 분에 한해 실시간 ZOOM 수업 참여 가능(실시간 참여 시에만 출석 인정) |
신청 | - 신청접수기간 : 선착순 모집 *선착순으로 조기마감될 수 있습니다. - 수강여부안내 : 교육 개강일 5일 전 17시 - 제출 서류 : 금융산업 혹은 핀테크 분야 기업에 재직 확인 가능한 증빙서류 (사업자등록증, 재직증명서 등) *증빙서류 제출순으로 선착순 신청 완료 |
프로그램의 강사는 어떤 분이세요?
| 강사 |  |
이기홍 △ Hertz&Alpha, CEO (21)△ 핀인사이트, 사외이사, 연구 및 강의 (17~현재) △ 더블유더블유지자산운용 CIO (17) △ 한국투자공사 CIO (06-17) △ 새마을금고연합회, 해외대체투자팀장 (10~13) △ JR Investment L.P Financail Consultant (99~02) △ HSBC증권 서울지점 Senio Analyst (98~99) △ CFA, FRM △ 인사이트캠퍼스, 아시아경제, 금융권 다수 강의 △ 연구분야 : 금융 AI, 머신러닝, 딥러닝, 알고리즘 트레이딩 △ 저서 : 엑셀 VBA로 쉽게 배우는 금융공학 프로그래밍, 한빛미디어 (09) |
커리큘럼이 궁금합니다!
1) 사전 동영상 강의
| 주제 | 시간 |
| 딥러닝의 깊이 있는 이해를 위한 머신러닝 | 7H |
| 딥러닝의 깊이 있는 이해를 위한 머신러닝 | 6H |
| 핀테크 비즈니스 현황 및 트렌드 | 2H |
| 머신 러닝 | 1H |
| 간편결제 및 자산관리 사례 | 1H |
| 핀테크 AI 모델과 데이터 | 1.5H |
| 금융데이터의 특징과 처리방법 | 1.5H |
* 온라인 동영상 강의는 오프라인 강의에 도움이 될 수 있는 기초강의로 수료에는 미포함되며, 수료기준(80%이상)은 오프라인 강의에 적용됩니다.
2-1) 실시간 오프라인 1차
| 일자 | 시간 | 주제 | 비고 |
| 09/28 (토) | 09:00-16:00 | 머신러닝 분석을 위한 알파 팩터 수집 및 작성-미국 주식시장 | 이론/실습 |
| 금융 데이터 수집 및 가공 | 이론/실습 | ||
| 09/29 (일) | 09:00-16:00 | 금융 데이터 수집 및 가공 | 이론/실습 |
| 맞춤형 펀드 설계 및 운용 | 이론/실습 | ||
| 10/05 (토) | 09:00-16:00 | 머신 러닝 분석을 위한 금융 데이터 생성 | 이론/실습 |
| 기본적 팩터 모델의 이해 | 실습 | ||
| 10/06 (일) | 09:00-16:00 | 선형모델을 통한 수익률 예측 I | 실습 |
| 선형모델을 통한 수익률 예측 II | 이론/실습 | ||
| 10/12 (토) | 09:00-16:00 | 선형 머신러닝 투자 모델 검증을 위한 전략 백테스트 I | 실습 |
| 선형 머신 러닝 투자 모델 검증을 위한 전략 백테스트 II | 실습 | ||
| 10/13 (일) | 09:00-16:00 | 고급 머신러닝의 이해 및 구현 실습 | 실습 |
| 미국주식 머신러닝 투자전략 | 실습 | ||
| 10/19 (토) | 09:00-16:00 | 미국주식 머신러닝 투자전략 | 실습 |
| 딥러닝 투자 전략 | 이론 | ||
| 10/20 (일) | 09:00-16:00 | 딥러닝 투자 전략 | 프로젝트 |
| AI 가이드라인 설명과 실습 | 프로젝트 |
2-2) 실시간 오프라인 2차
| 일자 | 시간 | 주제 | 비고 |
| 11/16 (토) | 09:00-16:00 | 머신러닝 분석을 위한 알파 팩터 수집 및 작성-미국 주식시장 | 이론/실습 |
| 금융 데이터 수집 및 가공 | 이론/실습 | ||
| 11/17 (일) | 09:00-16:00 | 금융 데이터 수집 및 가공 | 이론/실습 |
| 맞춤형 펀드 설계 및 운용 | 이론/실습 | ||
| 11/23 (토) | 09:00-16:00 | 머신 러닝 분석을 위한 금융 데이터 생성 | 이론/실습 |
| 기본적 팩터 모델의 이해 | 실습 | ||
| 11/24 (일) | 09:00-16:00 | 선형모델을 통한 수익률 예측 I | 실습 |
| 선형모델을 통한 수익률 예측 II | 이론/실습 | ||
| 11/30 (토) | 09:00-16:00 | 선형 머신러닝 투자 모델 검증을 위한 전략 백테스트 I | 실습 |
| 선형 머신 러닝 투자 모델 검증을 위한 전략 백테스트 II | 실습 | ||
| 12/01 (일) | 09:00-16:00 | 고급 머신러닝의 이해 및 구현 실습 | 실습 |
| 미국주식 머신러닝 투자전략 | 실습 | ||
| 12/07 (토) | 09:00-16:00 | 미국주식 머신러닝 투자전략 | 실습 |
| 딥러닝 투자 전략 | 이론 | ||
| 12/08 (일) | 09:00-16:00 | 딥러닝 투자 전략 | 프로젝트 |
| AI 가이드라인 설명과 실습 | 프로젝트 |
교육신청 하려면 어떻게 해야 하나요?
| 방법 | - 하단 버튼을 클릭하시고 양식에 맞춰 작성하신 후 제출해 주세요. - 교육 개강일 5일 전 17시에 신청 시 작성해주신 이메일 또는 문자로 연락 드릴 예정입니다. |
자주하는 질문
| Q. 인공지능 사전 지식이 없어도 수강이 가능한가요? |
| A. 본 교육과정은 인공지능 교육이 아닌 인공지능의 금융산업 활용 교육입니다. 때문에 금융산업에 특화된 인공지능 기술에 관심이 있으신 분이라면 충분히 수강 가능합니다. |
| Q. 교육생 선발은 어떻게 되나요? |
| A. 교육 신청 시 제출하신 해당산업분야 대상여부 확인이 가능한 증빙서류를 통해 자격 요건을 확인하고 있습니다. 과정별 대상자 부합 여부 및 선착순으로 선정됩니다. |
| Q. 수료기준은 어떻게 되나요? |
| A. 실시간 강의 기준 출석률 80%이상(사전교육영상 수강시간 미포함) 참여 시 수료 됩니다. |
| Q. 수료증 발급이 되나요? |
| A. 수료증은 기본적으로 한국핀테크지원센터 명의 수료증이 발급되며, 필요한 경우 교육 운영사인 한국능률협회 명의 수료증도 추가 발급 가능합니다. |
(사)한국능률협회