딥러닝으로 걷는 시계열 예측

Chapter 01 설치
1. 아나콘다 설치
2. 파이썬 설치 확인
3. Visual Studio Code 설치
4. Visual Studio Code 설정
5. Hello AI
6. 텐서플로, 케라스 설치

Chapter 02 딥러닝 시작
1. 1에서 10까지 예측 모델 구하기
2. 101에서 110까지 구하기
3. 딥러닝 케라스의 기본 구조

Chapter 03 회귀 모델

Chapter 04 회귀 모델의 판별식
1. 회귀 모델의 판별식
2. 회귀 모델 추가 코딩
3. 함수형 모델

Chapter 05 앙상블
1. concatenate
2. Merge Layer

Chapter 06 회귀 모델 총정리
1. Sequential 모델
2. 함수형 모델
3. 앙상블 및 기타 모델

Chapter 07 RNN
1. RNN이란?
2. SimpleRNN
3. LSTM
4. GRU
5. Bidirectional
6. LSTM 레이어 연결

Chapter 08 케라스 모델의 파라미터들과 기타 기법들
1. verbose
2. EarlyStopping
3. TensorBoard
4. 모델의 Save
5. 모델의 Load

Chapter 09 RNN용 데이터 자르기
1. split 함수 만들기(다:1)
2. split 함수 만들기 2(다:다)
3. split 함수 만들기 3(다입력, 다:1)
4. split 함수 만들기 4(다입력, 다:다)
5. split 함수 만들기 5(다입력, 다:다 두 번째)
6. split_xy 함수 정리

Chapter 10 RNN 모델 정리
1. MLP DNN 모델 (다:1)
2. MLP RNN 모델 (다:1)
3. MLP RNN 모델 (다:다)
4. MLP RNN 모델 (다입력 다:1)
5. MLP DNN 모델 (다입력 다:1)
6. MLP DNN 모델 (다입력 다:다)
7. MLP DNN 모델 (다입력 다:다)
8. RNN 모델 (다입력 다:다 두 번째)
9. DNN 모델 (다입력 다:다 두 번째)
10. RNN 모델 (다입력 다:다 세 번째)
11. DNN 모델 (다입력 다:다 세 번째)

Chapter 11 KOSPI200 데이터를 이용한 삼성전자 주가 예측
1. 주가 데이터 수집
2. 데이터 저장
3. numpy를 pandas로 변경 후 저장
4. numpy 데이터 불러오기
5. DNN 구성하기
6. LSTM 구성하기
7. DNN 앙상블 구현하기
8. LSTM 앙상블 구현하기