반응형 전체 글203 [딥러닝 with Python] 디퓨전 모델의 Forward Process 이해하기- 단순한 Noise 덧셈은 왜 안될까? 딥러닝 기반의 생성 모델, 특히 디퓨전 모델(Diffusion Model)은 최근 들어 이미지, 오디오, 시계열 등 다양한 분야에서 최고의 성능을 보여주고 있습니다. 그 중에서도 많은 사람들이 헷갈리는 부분이 바로 "forward process"—즉, 데이터를 점진적으로 노이즈화하는 과정입니다. 오늘은 이 과정이 왜 단순히 노이즈를 더하는 것이 아닌, 수학적으로 정교한 방식으로 설계되었는지를 자세히 살펴보겠습니다 [딥러닝 with Python] 디퓨전 모델 (1) (Diffusion Model) : DDPM [딥러닝 with Python] 디퓨전 모델 (1) (Diffusion Model) : DDPM이번에는 지난 번 알아봤었던 생성 모델들 (GAN, VAE, Flow-based models) 보다 더 .. 2025. 4. 20. [업무자동화 with Python] 파이썬으로 주식 토탈리턴(Total Return) 계산기 만들어보기 이번에는 주식 토탈리턴 계산기를 만들어보고자 합니다. 파이썬 코드를 통해 간단하게 사용할 수 있는 토탈리턴 계산기에 대한 포스팅 시작해보겠습니다. 1. 주식의 토탈리턴(Total Return)이란?- 토탈 리턴은 단순한 주가 변화가 아닌, 배당 재투자를 포함한 실제 수익률을 반영해야 하는 것입니다.- 즉, 배당을 매번 주가에 재투자한다고 가정하여 계산하는 방법입니다. 토탈리턴의 계산 공식은 아래와 같습니다. 즉, 배당금의 재투자가 고려되는 것인 만큼 배당을 주는 주식에 대한 총 수익률을 계산할때 꼭 필요한 개념입니다. 이 효과를 예시를 통해 알아보겠습니다. 먼저, 배당을 주지 않는 성장주의 예시입니다. 위와 같은 성장주는 배당을 주지 않기에 토탈 리턴과 주가의 누적 수익률이 동일합니다. 하지만,.. 2025. 3. 16. [딥러닝 with Python] Self-Supervised Learning (4) : Masking 기법 이번에는 SSL에서 Masking을 활용하는 대표적인 기법인 MAE(Masked Autoencoder)와 SimMIM(Simple Maskied Image Modeling)에 대해서 알아보겠습니다. 가장 직관적인 이해를 위해 Masking을 활용하는 다양한 모델들이 있지만 Vision Task에 대한 2개 모델을 설명을 위해 선정하였습니다. 1. 자기지도 학습(Self-Supervised Learning)에서 Masking 기법- Masking은 데이터의 일부를 숨기거나 변혀앟여 학습 모델이 해당 부분을 예측하도록 유도하는 방식입니다. - 이를 통해 모델이 데이터에 대한 더 유용한 표현을 학습할 수 있게 되는데요. 이를 정리해보면 a) 데이터의 효율성 : 일부 데이터를 감추고 나머지 데이터로 학습을 .. 2025. 3. 12. [머신러닝 with Python] UMAP과 t-SNE 비교 (차원 축소 비교 및 구현) 고차원 데이터를 시각화하고 이해하는 것은 머신러닝 및 데이터 분석에서 중요한 일입니다. 선형 차원 축소 기법인 PCA는 굉장히 유명하지만, 데이터의 복잡한 비선형을 선형으로 가정하여 축소한다는 점에서 정보의 손실이 많은데요.[머신러닝 with 파이썬] PCA / 주성분 분석 / 차원축소 /iris 데이터 활용 [머신러닝 with 파이썬] PCA / 주성분 분석 / 차원축소 /iris 데이터 활용이번에 알아볼 것은 차원축소 알고리즘의 대표적인 PCA(주성분 분석)에 대해서 알아보겠습니다. Tabular type의 데이터에서 차원을 축소한다는 것은 곧, 변수의 개수(또는 피처의 개수)를 줄인다jaylala.tistory.com 대표적인 비선형 차원 축소 기법으로는 UMAP(Unifor Manifold A.. 2025. 3. 11. [업무자동화 with Python] 파이썬으로 미국주식 MDD 계산 해보기 / Max Draw Down(최대낙폭) 계산해보기 이번에는 파이썬의 yfinance 라이브러리와 bt 라이브러리를 활용해서 간단하게 미국주식의 연도별 MDD(Max Draw Down, 최대 낙폭)을 계산해보는 코드를 구현해보겠습니다. 1. 파이썬으로 미국주식 MDD 계산 해보기 / Max Draw Down(최대낙폭) 계산해보기 이번 구현은 상당히 간단합니다. 사용할 라이브러리는 데이터를 위한 yfinance와 MDD 계산기가 내장되어있는 bt 라이브러리입니다. 먼저 bt 라이브러리를 설치해줍니다.!pip install bt 이후 아래와 같은 함수를 활용해서 MDD 계산기를 만들어줍니다.import yfinance as yfimport btimport pandas as pddef calculate_annual_mdd(tickers, start_yea.. 2025. 3. 10. [업무자동화 with Python] SCHD의 투자 적기는? 월별/분기별/요일별 평균 수익률 계산 결과 이번에는 SCHD ETF의 주가 데이터에 대한 간단한 통계분석을 진행해보겠습니다. 분석을 위해서 파이썬의 yfinance 라이브러리르 통해서 손쉽게 데이터를 가져오고 이를 통해서 간단한 통계 분석 결과를 시각화 해서 투자에 도움이 되는 정보를 도출해보겠습니다. 1. SCHD의 투자 적기는? 월별/분기별/요일별 평균 수익률 계산 결과- SCHD는 장기적인 투자에 적합한 안정적인 배당성장 ETF입니다. - 언제 투자해도 좋겠으나, 그래도 어떤 월, 분기, 요일에 투자하면 좋을지 파이썬을 활용해서 분석해보겠습니다. - 간단한 통계분석이고, 이는 코랩에서 실행해보았습니다. - 먼저 사용할 라이브러리와 데이터를 가져옵니다.import yfinance as yfimport pandas as pdimport num.. 2025. 3. 9. [머신러닝 with Python] Darts 라이브러리로 SCHD 주가 예측모델 만들기 Python으로 주식 데이터를 분석하고 미래 주가를 예측하는 것은 금융 데이터 분석에서 중요한 역할을 합니다. 이번 포스팅에서는 Darts라는 라이브러리를 활용해서 SCHD ETF의 주가를 예측하는 모델을 만들어 보도록 하겠습니다. 지난번 Prophet 라이브러리로 SCHD ETF의 주가를 분석한 것의 연장 버전입니다. [머신러닝 with Python] Prophet 모델로 SCHD 주가 분석하기 1. Darts 라이브러리로 SCHD 주가 예측모델 만들기1.1 Darts 라이브러리란?- Darts는 시계열(Time Series) 데이터 분석과 예측을 위한 강력한 라이브러리입니다.- 이 라이브러리는 딥러닝 모델과 전통적인 통계 모델을 모두 지원하여 다양한 시계열 분석이 가능합니다. - Darts 라이브러.. 2025. 3. 8. [머신러닝 with Python] Prophet 모델로 SCHD 주가 분석하기 이번에는 지난번에 알아본 Prophet 모델을 활용해서 SCHD의 주가를 분석해보겠습니다. [머신러닝 with Python] Prophet 모델 알아보기(시계열 예측) [머신러닝 with Python] Prophet 모델 알아보기(시계열 예측)이번에는 시계열 예측(Time Series Forecasting) 모델 중 라이브러리 형태로 쉽게 구현 가능하면서도 효과적인 Prophet 모델에 대해서 알아보겠습니다. Prophet은 (구) Facebook ( 현: Meta) 에서 만든 시계열jaylala.tistory.com 1. Prophet 모델을 활용해서 SCHD 주가 분석하기1.1 SCHD란?SCHD는 미국 배당주 중심의 상장지수펀드 ETF로 배당 성장이 지속 가능한 기업들을 추종하는 ETF입니다. S.. 2025. 3. 7. 이전 1 2 3 4 ··· 26 다음 반응형
