금융 전략을 위한 머신러닝: 19가지 사례를 통해 익히는 금융 전략, 머신러닝, 데이터 과학

30

1

부

프레임워크

자연어 처리는 금융 분야에서 다양하게 활용되고 있는데, 가령 감정 분석, 챗봇, 문서 처리 등

이다. 이는 특히 매도측 보고서, 실적 발표, 뉴스 헤드라인 같은 많은 정보가 문자 메시지로 전

달되는 금융 업무에서 꽤 유용하다.

금융 머신러닝을 기반으로 한 자연어 처리 알고리즘은

10

장에서 기본 개념과 실전 문제를 살

펴볼 것이다.

1.5

맺음말

머신러닝은 금융 서비스 산업에 깊숙이 침투하고 있다. 이 장에서는 금융 머신러닝 알고리즘을

이용한 거래부터 로보 어드바이저까지 다양한 응용을 살펴보았다. 응용은 이 책의 후반에서 실

전 문제로 다시 다룬다.

머신러닝에 사용되는 플랫폼 측면에서는 파이썬 생태계가 성장해 머신러닝을 위한 프로그래밍

언어 중 가장 우세해졌다. 다음 장에서는 데이터 준비부터 파이썬 기반 프레임워크상의 모델

배포에 이르는 모델 개발 단계에 대해 배울 것이다.

31

2

장

머신러닝 모델 개발

머신러닝에서는 많은 알고리즘과 다양한 프로그래밍 언어를 플랫폼으로 사용한다. 그중 파이

썬 생태계는 가장 지배적이면서 가장 빨리 성장하고 있는 머신러닝을 위한 프로그래밍 언어이다.

파이썬의 인기와 높은 사용률을 고려해 파이썬을 이 책의 주 프로그래밍 언어로 사용한다.

2

장

에서는 파이썬 기반 머신러닝 프레임워크에 대해 포괄적으로 살펴본다. 먼저 머신러닝에 ...