파이콘 APAC 2016 PYTHON


때늦은 소식인데, 작년에 이어 올해에도 파이콘행사가 삼성동에서 열린다고 합니다. 올해에는 유명하신 해외개발자분들이 참석하시어 키노트를 한다고 하니 기대가 됩니다.

파이콘 행사 홈페이지(https://www.pycon.kr/2016apac/)에서 베낀 자료를 옮기자면 어벤저스급 입니다. ㅎㅎ

Wes McKinney
Author of Pandas

웨스 매키니는 뉴욕에서 활동하고 있는 데이터 해커이자 운동가입니다. 2007년 MIT에서 수학과 학부 과정을 마치고 코네티컷 주 그린위치에 있는 AQR 캐피탈 매니지먼트에서 정량 금융quantitative finance 일을 했습니다. 복잡하고 느린 데이터 분석 도구에 한계를 느끼고 2008년 파이썬을 처음 접한 후 pandas 프로젝트를 시작했습니다. 현재 학술용 파이썬 커뮤니티의 활발한 멤버로 활동 중이며 데이터 분석, 금융, 통계 기반 컴퓨팅 애플리케이션에 파이썬 사용을 홍보하는 데 심혈을 기울이고 있습니다.

Armin Ronacher
Creator of Flask, Jinja, Werkzeug and Lektor.

아민은 웹개발, 그래픽, 리얼타임 랜더링을 비롯한 여러 분야에 관심이 많은 열정적인 개발자 입니다. 그는 Pocoo Team 의 개발을 이끌고 있으며 Flask, Jinja, Werkzeug 그리고 Lektor 등 다수의 파이썬 프로젝트를 만들었습니다. 그는 오스트리아와 런던에서 Sentry의 파트너이자 Fireteam Ltd.의 고문으로 일하고 있습니다.

Jacob Kaplan-Moss
Core contributor to Django

제이콥은 Django의 공동 창시자입니다. 그는 미국 캔사스 로렌스 시의 Lawrence Journal-World라는 지역 신문사에서 개발을 이끌며 콘텐츠 관리 시스템을 위해 Django를 개발하였습니다. 그리고 2005년 BSD 라이선스 하에 공개하였습니다. 그는 18F와 Revsys에서 일하고 있으며 여가시간에는 요리를 즐겨합니다.

Maciej Fijałkowski
Core developer of PyPy.

마치에이 파이잘은 보다 빠른 파이썬 런타임 PyPy의 핵심 개발자입니다. 그는 2006년부터 JIT, GC 및 어셈블러 백엔드를 포함한 전체 코드베이스를 개발했습니다. PyPy로 파이썬 프로그래밍 성능을 분석하는 jitviewer의 주요 메인테이너이기도 합니다. 그리고 PyCon US 2010에서 키노트를 진행하기도 하였으며 PyPy를 널리 알리기 위해 노력하고 있습니다.

일정 : 2016년 8월 13일(토) ~ 15일(월)
장소 : 강남구 코엑스 전시장
인원 : 약 1,500명 예상
주최 : 파이콘 한국 준비 위원회
대상 : 국내외 파이썬 개발자 혹은 관심이 있는 분이라면 누구나
발표 : 25분 또는 40분 길이의 발표

저는 작년에 이어 올해에도 참석할 예정입니다.

파이썬을 활용한 금융공학모델링 금융공학

사실 금융공학 관련한 교육 특히 이론으로 끝나는 것이 아니라 프로그래밍언어를 통해 이론과 그 구현을 다루는 강의는 더 이상 새로운 것이 아니다. 사업적인 측면에서 금융관련 사설교육이 어떤 지는 사실 잘 모르겠지만 교육진행의 입장에서 나름 딜레마가 있다. 프로그래밍으로 금융공학을 강의하려면 수강생이 프로그래밍을 경험해본 적이 있거나 금융공학을 어느 정도 알고 있어야 강의목표를 이룰 수 있을 것 같다. 하지만 두 가지 조건을 만족하지 못한다고 해서 반드시 강의 목적을 이룰 수 없다고 단정할 순 없다. 세상 일이 A이면 반드시 B가 되는 것이 아니기 때문이다.

파이썬을 활용한 금융공학모델링(금융데이터, 퀀트 입문과정)

강의특징
본 과정은 금융 데이터 분석 및 금융공학 기초 프로그래밍 도구로 빠른 성장세를 보이고 있는 파이썬을 활용한 금융모델링 과정으로 금융공학입문과 프로그래밍 기초에 초점을 두고 수업을 진행합니다.

과정안내
최근 빅데이터가 급격히 떠오르면서, 데이터를 다루는데 용이한 프로그래밍 언어인 파이썬에 집중적인 관심이 일어나기 시작했습니다. 이미 파이썬은 금융공학에서 중요한 5가지 탑(top)기술 중 하나가 되었고, 미항공우주국(NASA), 구글, 마이크로소프트 등 빅데이터를 다루는 기관에서 적극적으로 채택할 뿐만아니라, 미국의 많은 헤지펀드 금융회사들도 파이썬을 데이터 분석의 기본으로 삼고 있을 만큼 뜨거운 관심의 대상입니다.

인사이트캠퍼스는 본 과정에서 수강생들이 파이썬 이해를 통해 금융에 응용하여 실무에 적용할 수 있도록 돕고자 합니다. 수강생 여러분은 본 과정에서 풍부한 라이브러리를 갖고 있는 오픈소스 프로그래밍 언어인 파이썬을 활용하여 금융계량분석 등에 필요한 이론을 배우고 실무에 적용할 수 있도록 실습하게 될 것입니다. 이 과정은 강사가 강의를 주도하는 강의 및 실습 형식으로 진행되지만, 강의 참여자 모두(수강생 및 강사)의 역량증진을 도모하는 스터디 형식을 추구합니다.

본 강의는 금융공학과 금융공학모델링에 입문하고자 하는 초급자들을 위해 마련하였습니다. ‘파이썬을 활용한 금융공학모델링입문‘ 과정을 통해 금융공학에 대한 지식을 습득하고, 실습을 통해서 직접 구현해 보는 것을 목표로 합니다.

과정목표
  • 파이썬 실습-파이썬의 기본문법부터 파이썬 퀀트 플랫폼 소개, 그래픽 함수 활용 등 전반적인 부분에 대한 학습을 합니다.
  • 금융공학 모델링 입문 학습-파이썬을 금융공학 모델링에 적용하기 위해서 필요한 수치해석방법, 확률 및 확률과정, 통계등에 대한 학습을 합니다.
  • 파이썬을 활용한 금융공학 모델링 실습 - 금융공학 모델링에 대한 실사례로써 금융상품에 대한 설명과 직접 파이썬을 활용하여 모델링 해보는 실습 과정을 거칩니다.

수강대상
  • 금융공학 현업부서 실무자(Quant)
  • 장외파생 리스크관리 실무부서(Risk Quant)
  • 트레이딩 부서 전략개발자(Trading Quant)
  • 금융IT 개발자(Quant Developer)
  • 증권, 은행, 투신 상품 개발자 및 마케터(Product control /Marketer)
  • 대학생/대학원생 및 금융공학 입문자(Biginner)

강의일정
  • 기간 : 2016년 6월 23일(목) ~ 8월 25일(목)
  • 시간 : 매주 목요일 저녁 7시~ 10시

강의장소
서울 영등포구 국제금융로6길 30, 5층(여의도동, 백상빌딩)


아이패드와 블루투스키보드 한영변환 팁 삽질

출시되자마자 질렀던 아이패드2가 이제는 할배가 된 시점에도 사용중이다. 거기에 이마트에서 지른 로지텍 K480블루투스 키보드를 같이 사용중이다. IOS9으로 업그레이드되면서 한/영 변환키도 같이 바뀌었는데, CTRL+SPACE 조합을 몰라서 많은 시행착오(이 키 저 키 눌러보는)를 했다. 그런데 구글문서 앱은 자체의 버그로 블루투스 키보드로 한/영변환이 되질 않는다.

어제 출판사에 메일보내면서 발견한 팁인데, 스크린 키보드를 이용하여 한/영변환을 하는 것이다. 다행히 K480키보드에는 스크린 키보드를 켜고 끄는 키가 있어 이걸로 스크린 키보드를 띄워 한/영변환하고 다시 스크린 키보드를 내리는 것이다.

알파고가 크게 흥하고 있네요 Data science

알파고 덕분에 간만에 바둑을 다시 보고 있는데, 인공지능에 관심을 갖고 있어 첫 판엔 알파고를 응원하였는데, 2번기부터는 바둑팬으로서 이세돌9단을 응원하고 있습니다. '스카이넷이 시작되었다~', '알파고 다음엔 베타고다', '알파고는 어느 고등학교냐? 등등 재미있는 말이 많습니다.' 알파고를 보니 대학교때 등교하며 친구와 바둑프로그램이 가능할 까 주제로 토론을 한 적이 있는데, 이렇게 대단할 줄 몰랐습니다. 알파고와 이세돌9단이 대결한다는 소식을 듣고 첫 생각은 이세돌9단이 손쉽게 이겨 생각치 않는 목돈을 벌겠구나 생각했죠. 이번 경기에 지더라도 이세돌9단은 역사적인 대결의 중심에 있어 개인적으로 큰 영광일거라는 생각이 듭니다.

그나저나 발빠르게 알파고 알고리즘에 대한 자료가 나오네요...반갑게 한글자료입니다.

-Executive Summary –

구글 DeepMind가 바둑 인공지능 프로그램 AlphaGo를 공개한지 한 달의 시간이 흘렀다. 유럽 바둑챔피온인 판후이 프로 2단을 꺾고, 세계 바둑챔피온 이세돌 프로 9단에게 도전장을 냈다. 아직까지 많은 전문가들이 이세돌 9단의 우세를 점치고 있으나, 도전자인 AlphaGo가 챔피온이 되는 날이 머지않을 것으로 전망했다. 판후이와 대국 당시, 심판과 전문 프로기사들 역시 AlphaGo의 바둑이 사람과 크게 다르지 않다고 평했다. 인공지능 바둑프로그램이 인간을 넘어서는 초읽기가 시작된 것이다. 그렇다면 “어떻게 사람처럼 바둑을 두는 것이 가능한가?”에 대한 자연스러운 물음을 하게 된다. AlphaGo가 기존 바둑프로그램의 한계를 뛰어 넘은 핵심을 더 깊게 이해할 필요가 있다. 본 보고서는 AlphaGo의 인공지능 알고리즘을 더 이해하기 쉽게 전달하는 것을 목표로 한다. AlphaGo에 대한 막연한 궁금증을 풀기위해서 인공지능 게임 알고리즘의 핵심인 게임 트리 알고리즘부터 살펴보고자 한다.

바둑은 우주의 원자수보다 많은 경우의 수를 가지고 있다. 완벽한 탐색은 불가능에 가깝다. 실제 프로바둑기사들도 직관에 의해 경기를 진행한다. 컴퓨터가 인간의 직관을 표현할 수 있을까? 딥러닝이 그 대안이 될 수 있다. 딥러닝은 기존의 인공신경망을 확장한 개념으로 빅데이터 분석, 얼굴 인식, 이미지 분류 등 신산업의 곳곳에서 응용되고 있다. 딥러닝의 핵심은 사람처럼 학습하는 것이다. AlphaGo에서 역시 딥러닝을 활용하여 프로기사들의 기보 16만개를 학습했다. 이것은 사람이 1년 동안 공부하는 기보의 수를 1,000개라고 해도 평생 동안 학습할 수 없는 숫자이다. 더욱이 AlphaGo가 16만개의 기보를 학습하는데 걸린 시간은 고작 5주 밖에 되지 않는다. 그동안 쌓여온 바둑의 정수를 순식간에 학습했다는 것이다. AlphaGo는 이에 그치지 않고 스스로 대국하여 훈련하고 있다. 이것이 강화학습(reinforcement learning)이다

[Download]spri.kr/download/14726/

상호배제와 전체포괄

베이즈 이론은 데이터 D의 관점에서 봤을 때 가설 H의 확률을 수정하는 방법이다. D와 H를 사용하여 베이즈이론을 표현하면
p(H|D) = [p(H)p(D|H)] / p(D)

p(H|D) : 사후확률-데이터를 확인한 후의 가설의 확률
p(H) : 사전확률-데이터를 보기 전의 가설의 확률
p(D|H) : 우도-데이터가 가설에 포함될 확률
p(D) : 한정상수-가설에 포함되는 데이터의 비율

한정상수(normalizing constant)는 어느 가정에서나 데이터를 볼수 있는 확률인데 사실 뭔 소리인지 모르겠다. 그래서 다음의 두 가지를 사용하여 한정상수의 의미를 정의한다.
* 상호배제(mutually exclusive) - 여러 개의 가설이 존재하는 데 그중 하나만 참인 경우. 나머지 가설은 거짓?
* 전체포괄(collectively exhaustive) - 다른 가능성이 전혀 없는 경우, 즉 생각치 못한 다른 가설이 존재할 수 없으며(상상할 수 있는 모든 가설은 다 나왔다?) 그중 한 개 이상은 적어도 참(참이 한 개 또는 두 개 이상)-가설 모두가 거짓인 경우는 없다?

이런 성격의 가설집합을 Suite이라고 한다. 한정상수를 계산하려면 전체확률법칙을 사용한다.
p(D) = SUM of p(H)p(D|H)



1 2 3 4 5 6 7 8 9 10 다음