:)

틈날때마다 따로 메모해두었던 내용들을 정리해서 올려봅니다 Man Group : 머신러닝을 활용한 펀딩시스템 체제를 기반으로 움직이겠다고 발표했다고 함  : 사람이 급변하는 시장에서 투자판단을 내리지 못함에 있어서 머신러닝을 도입했고, 수익을 낼 수 있었다고 함 : 수익을 내기 쉬운 상황보다, 수익을 내기 어려운 상황속에서 더 욱 큰 효과를 보였다고 함 로보어드바이저 : 인건비나,, 운영비로인해 고액 자산가만 서비스 가능했던 펀드매니징을  : 고액 자산가가 아닌, 저액 자산가에게도 서비스가 가능해졌다 (고액자산가 기준 10억 이상) : 중,저액 자산가들에게 인기가 많을 것이라고 생각했으나 + 초고액자산가들에게도 인기가 많았다. : 개인에게 재정 서비스 지원 : 신규 고객 창출을 위해 많이 사용  : 로보어드바이저 산업구조 : 로보 어드바이저 (순수 머신) > 하이브리드 어드바이저 (머신 + 사람) < Enablers : 순수 머신 로보어드바이저 분야가 더욱 확산될것으로 보임  : 로보어드바이저 1위 : 뱅가드(Vanguard) : 해외에서는 로보어드바이저에 신뢰가 높음 - 국내도 가능성이 높을거라고 생각됨 로보어드바이저 역할 Profile > Asset Allocation > Monitor & Rebalance  고객을 성향을 평가 > 투자방식 확정 > 감시 및 조정  현재 로보어드바이저는 매우 기본적이고 안전한 방식으로 운영중에 있다.  그럼 앞으로는 ?  강화분야 : Automated Asset Allocation - Automated Rebalancing - Tax-loss Harvesting 강화분야 : Financial Planning - Tax Planning - Estate Planning 현재 없으나 생겨야할 분야 : Stocks - Bonds - Mutual Funds - Alternative Inves

Deep Learnin g 이또한.. 여러곳에서 조사한 자료를 나름대로 정리해본 내용입니다  참고가 될수있길 바라며 공유 ~!  참고 사이트 http://newsight.tistory.com/70 https://github.com/aymericdamien/TensorFlow-Examples 1. 사람의 사고방식을 컴퓨터에게 가르치는 기계학습의 한 분야 2. 알고리즘 종류      가. DNN (Deep Neural Networks : 심층 신경망)                   : 입력층과 출력층 사이에 복수개의 은닉 계층들로 이뤄진 인공신경망           : 복잡한 비선형 관계를 모델링 할 수 있다.  (비선형관계의 예 : 사물식별)           : 학습결과후 발생한 오류(목표값과 의 오차)를 역전파를 통해 오차범위를 최소화 시킬 수 있는 가중치를 찾으며 학습           : 역전파 시 가중치를 갱신하면서 최적의 가중치를 찾아야하는데 이때 가중치를 갱신하는 방법이 경사하강법이다.           : 취약점 1     - Overfitting (과적응 / 사람에 비유하면 고정관념과 비슷) -  http://sanghyukchun.github.io/59/                               - 해결방법 : Regularization            : 취약점 2     - 높은 시간복잡도 (오차역전파, 경사하강법의 시간복잡도가 매우 높다)                               - 심층신경망 학습 시 크기(계층수와 계층당 유닛 수), 학습률(Learning rate), 초기 가중치등 많은 매개변수가 고려되어야는데                                 최적의 매개변수를 찾기위해 매개변수 공간 전부를 확인하는 것은 계산에 필요한 시간과 자원의 제약으로 인해 불가능      나. CNN (Convolu

머신러닝이라는게 뭔가.. 이해해보고자  여기저기서 조사한 자료를 나름대로 모아서 정리해봤습니다  뭐.. 약간에 참고가 되길 바라며 ~ 텐서플로우 강좌 http://learningtensorflow.com/index.html 파이썬 강좌 https://wikidocs.net/2 딥러닝 기초 강의 사이트 http://hunkim.github.io/ml/ http://sanghyukchun.github.io/57/ 요기 좀 괜찮음  http://newsight.tistory.com/68 1. 머신러닝 ( = 기계학습)      인공지능의 한 분야, 컴퓨터가 학습할 수 있는 알고리즘과 기술을 개발하는 분야      - 키워드 : 표현, 일반화      - 표현(representation) : 데이터 평가      - 일반화(generalization) : 데이터 처리 2. 학습 유형      기. 비지도 학습 (Unsupervised Learning)           1) 설명                - 입력값에 대한 목표치가 주어지지 않는다.                - 통계학의 밀도추정(Density Estimation)과 연관이 있으며, 데이터의 주요 특징을 요약하고 설명 할 수있게 된다.       나. 지도 학습 (Supervised learning)           1) 설명                - 훈련 데이터로 부터 "하나의 함수”를 유추해 내기 위한 머신러닝(기계학습)의 한 방법                - "A @ B # C = Y” 처럼 (A, B, C) 와같은 변수와 (Y)라는 결과값(lable)이 대량 존재할때                  위 훈련데이터(Training Data Set)를 사용해서 학습 시킴으로써                  @와 #이 어떤 관계를