파이썬과 케라스를 이용한 딥러닝/강화학습 주식투자

▣ 01장: 배경 이론 1 - 딥러닝이란? 1.1 딥러닝 개요 __1.1.1 딥러닝의 정의와 역사 __1.1.2 딥러닝이 최근에 주목 받는 이유 __1.1.3 딥러닝으로 풀고자 하는 문제 1.2 딥러닝의 발전 과정 __1.2.1 퍼셉트론 __1.2.2 인공 신경망 __1.2.3 심층 신경망 1.3 딥러닝에 필요한 핵심 기술 __1.3.1 오차 역전파 기법 __1.3.2 최적해 탐색 기법 __1.3.3 과적합 해결 기법 1.4 고급 인공 신경망 구조 __1.4.1 순환 신경망 __1.4.2 LSTM 신경망 __1.4.3 합성곱 신경망 1.5 딥러닝 적용 사례 __1.5.1 기계 번역 __1.5.2 음성 인식 __1.5.3 이미지 인식 1.6 이번 장의 요점 ▣ 02장: 배경 이론 2 - 강화학습이란? 2.1 강화학습의 기초가 된 마르코프 의사결정 과정 __2.1.1 마르코프 가정 __2.1.2 마르코프 과정 __2.1.3 마르코프 의사결정 과정 2.2 주요 강화학습 기법 __2.2.1 Q 러닝 강화학습 __2.2.2 정책 경사 강화학습 2.3 강화학습 적용 사례 __2.3.1 벽돌 깨기 __2.3.2 알파고 2.4 이번 장의 요점 ▣ 03장: 배경 이론 3 - 강화학습을 이용한 주식투자란? 3.1 직관적으로 강화학습 전략 알아보기 __3.1.1 강화학습을 이용한 주식투자 구조 __3.1.2 차트 데이터 이해하기 __3.1.3 차트 데이터를 바탕으로 강화학습을 하는 방식 __3.1.4 거래 수수료와 거래세 __3.1.5 무작위 행동 결정(탐험)과 무작위 행동 결정 비율(엡실론) 3.2 강화학습 효과를 차별화하는 요인들 __3.2.1 차별화 요인 1: 학습 데이터 구성 __3.2.2 차별화 요인 2: 보상 규칙 __3.2.3 차별화 요인 3: 행동 종류 __3.2.4 차별화 요인 4: 정책 신경망 __3.2.5 차별화 요인 5: 강화학습 기법인 Q 러닝과 정책 경사 3.3 차트 데이터와 학습 데이터 살펴보기 __3.3.1 차트 데이터 __3.3.2 학습 데이터 3.4 주식투자 강화학습 절차 __3.4.1 주식투자 강화학습 순서도 __3.4.2 행동 결정 __3.4.3 결정된 행동 수행 __3.4.4 배치 학습 데이터 생성 및 정책 신경망 업데이트 3.5 주식투자 강화학습 과정 및 결과 확인 방법 __3.5.1 강화학습 과정 확인의 필요성 __3.5.2 강화학습 과정을 로그로 남기기 __3.5.3 강화학습 과정을 이미지로 가시화하기 3.6 이번 장의 요점 ▣ 04장: 모듈 개발 - 강화학습 기반 주식투자 시스템 개발 4.1 RLTrader 개발에 필요한 환경 __4.1.1 아나콘다 설치 __4.1.2 텐서플로와 케라스 설치 4.2 RLTrader의 구조 __4.2.1 모듈 구조 __4.2.2 디렉터리 구조 __4.2.3 에이전트 모듈 개요 __4.2.4 환경 모듈 개요 __4.2.5 정책 신경망 모듈 개요 __4.2.6 가시화기 모듈 개요 __4.2.7 정책 학습기 모듈 개요 4.3 환경 모듈 개발 __4.3.1 환경 모듈의 주요 속성과 함수 __4.3.2 코드 조각: 환경 클래스의 전체 소스코드 4.4 에이전트 모듈 개발 __4.4.1 에이전트 모듈의 주요 속성과 함수 __4.4.2 코드 조각 1: 에이전트 클래스의 상수 선언 부분 __4.4.3 코드 조각 2: 에이전트 클래스의 생성자 부분 __4.4.4 코드 조각 3: 에이전트 클래스의 함수 부분 4.5 정책 신경망 모듈 개발 __4.5.1 정책 신경망 모듈의 주요 속성과 함수 __4.5.2 정책 신경망에서 사용하는 LSTM 신경망의 구조 __4.5.3 코드 조각 1: 정책 신경망 클래스의 생성자 부분 __4.5.4 코드 조각 2: 정책 신경망 클래스의 함수 선언 부분 4.6 가시화기 모듈 개발 __4.6.1 가시화기 모듈의 주요 속성과 함수 __4.6.2 가시화기 모듈이 만들어 내는 정보 __4.6.3 코드 조각 1: 가시화기 클래스의 생성자 부분 __4.6.4 코드 조각 2: 일봉 차트 가시화 함수 부분 __4.6.5 코드 조각 3: 전체 차트 가시화 함수 선언 부분 __4.6.6 코드 조각 4: 에이전트 상태 가시화 부분 __4.6.7 코드 조각 5: 정책 신경망 출력 결과 및 탐험 수행 가시화 부분 __4.6.8 코드 조각 6: 포트폴리오 가치 및 기타 정보 가시화 부분 __4.6.9 코드 조각 7: 차트 초기화 및 저장 함수 부분 4.7 정책 학습기 모듈 개발 __4.7.1 코드 조각 1: 정책 학습기 모듈의 의존성 임포트 부분 __4.7.2 코드 조각 2: 정책 학습기 클래스의 생성자 부분 __4.7.3 코드 조각 3: 에포크 초기화 함수 부분 __4.7.4 코드 조각 4: 학습 함수 선언 부분 __4.7.5 코드 조각 5: 학습 함수 초반 부분 __4.7.6 코드 조각 6: 학습 함수의 로컬 변수 초기화 부분 __4.7.7 코드 조각 7: 학습 함수의 연관 객체 초기화 및 탐험 비율 설정 부분 __4.7.8 코드 조각 8: 학습 함수의 에포크 수행 while 문 초반부 __4.7.9 코드 조각 9: 학습 함수의 행동과 그 결과를 저장하는 부분 __4.7.10 코드 조각 10: 학습 함수의 반복 정보 갱신 부분 __4.7.11 코드 조각 11: 학습 함수의 정책 신경망 학습 부분 __4.7.12 코드 조각 12: 에포크 결과 가시화 부