PgMaru

Python에서 OpenCV를 사용하기 위해서는,

다음과 같은 환경이 준비되어야 한다.

(윈도우 기준)

1. 다운로드

• Python 및 수학, 그래픽 관련 패키지
• 아나콘다(Anaconda) 최신버전
• OpenCV의 Python용 모듈
• python-OpenCV
• 여러가지 목록 중에서, 자신의 환경에 맞는 것을 골라야 한다.
• 예를 들어, 목록명이 다음과 같은 경우,
• opencv_python-3.4.1+contrib-cp36-cp36m-win_amd64.whl
• OpenCV버전은 3.4.1이고, 
• OpenCV Contribute를 포함하며, 
• 아나콘다의 python 버전은 3.6.x이고,
• OS는 64bit임을 의미한다.

2. 설치

• 일단은 Anaconda 설치 파일을 통해, python 및 관련 패키지를 설치한다.
• Anaconda Prompt를 실행한 다음, python-OpenCV가 있는 폴더로 가서, pip 명령을 실행한다.
• pip install [다운로드된 파일명]

요즘은 클라우드 컴퓨팅 시대라

장소에 구애받지 않고 동일한 작업을 할 수 있는 환경이

대세가 되어 가고 있는 것 같다.

한편, 인공지능을 비롯한 다양한 분야의 연구개발용으로

파이썬(python)은 인기있는 언어이다.

파이썬을 배우는 입장에서,

온라인상에서 코딩하고 테스트해 볼 수 있는 환경이 있다면

아주 편리할 것이다.

실제로 찾아보니, 이미 존재한다.

• codingground
• site : https://www.tutorialspoint.com/codingground.htm
• online compiler : https://www.tutorialspoint.com/execute_python_online.php
• python.org
• https://www.python.org/shell/

찾아보면 다른 방법들도 존재할 것이다.

이 책은, python을 이용한 여러가지 예제를 통해,

딥러닝을 쉽게 배울 수 있는 책이다.

특이한 점은, python으로 만들어진 딥러닝 라이브러리에 의존하지 않고,

직접 딥러닝을 구현한다는 것이다.

대충 책 내용을 요약하면 다음과 같다.

• 1장 - 헬로 파이썬
• Python 기초
• 2장 - 퍼셉트론
• 퍼셉트론을 통한 AND, OR, XOR게이트 표현
• XOR게이트는, 2층 퍼셉트론을 통해 표현할 수 있다.
• 단층 퍼셉트론은 직선형 영역만 표현할 수 있는 반면, 다층 퍼셉트론은 비선형 영역도 표현할 수 있다.
• 다층 퍼셉트론은 (이론상) 컴퓨터를 표현할 수 있다.
• 3장 - 신경망
• 기계학습 문제는 분류(classification)와 회귀(regression)로 나눌 수 있다.
• 분류(classification) - 데이터가 어느 클래스(class)에 속하는지를 판단하는 것
• 회귀(regression) - 입력데이터로부터 연속적인 수치를 예측하는 것
• 소프트맥스(softmax) 함수
• ...

• Scipy 강의노트- http://www.turbare.net/transl/scipy-lecture-notes/index.html
  
• 이 책의 1장에서는, python에 대해 다룬다, 그리고, python에서 많이 사용되는 Scipy 라이브러리에 대한 강의노트를 소개한다.
• "The Elements of Computing Systems: Building a Modern Computer from First Principals"(The MIT Press, 2005)
• "NAND에서 테트리스까지!"라는 구호 아래, 실제로 NAND로 테트리스가 작동하는 컴퓨터를 만드는 과정을 설명해 주는 책
• 이 책("밑바닥부터 시작하는 딥러닝") 2장에서는, 퍼셉트론(perceptron)을 다룬다. 그리고 2장 마지막 부분에, 퍼셉트론과 NAND게이트와의 연관성을 절묘하게 설명하고, NAND게이트의 조합만으로, 즉 다층 퍼셉트론으로 컴퓨터를 만들 수 있다고 설명한다. 그것도, 2층 퍼셉트론이면 충분하다고 한다.
• (NAND게이트는, AND 게이트 출력부에 반전(NOT)을 덧붙인 것이다.)

주가 추세를 분석하는 도구로, Python이 많이 이용되는 것 같다.

사실 주식 뿐만 아니라 인공지능을 비롯한 여러 환경에서

Python이 많이 쓰이는 것 같다.

그만큼 Python이 쉬우면서도 응용성이 뛰어난 언어라고 할 수 있을 것 같다.

일단 다음 사이트에 보니, 축적된 주가정보를 가지고

포트폴리오를 시뮬레이션하는 Python 예제가 있었다.

http://stock79.tistory.com/103

이 예제에서는 그동안의 주가 데이터를 엑셀로 정리헤서 제공해 준다.

문제는 이 알고리즘을 적용할 경우 

과거 시점이 아닌 현재 시점에서 필요한 정보들을 어떻게 얻어올 수 있나이다.

그래서 찾아보니, 해결책 역시 Python을 통해 나와 있었다.

https://wikidocs.net/1913

이 예제에서는, yahoo로부터 과거(2010년)부터 현재에 이르기가지의 주가 정보를 얻는 방법이 나와 있다.

놀라운 것은, 몇줄 안되는 코드를 가지고

주가 정보를 가져올 뿐만 아니라

그래프까지 멋지게 그려 준다는 것이다.

다음 페이지에는, 주가를 얻어온 다음

머신러닝을 적용하여(KNN, SVM, RandomForest) 주가를 예측하는 예제가 나와 있다.

http://stock79.tistory.com/100

참고로, http://stock79.tistory.com/ 사이트는

시스템 트레이딩과 관련해서 배울 내용이 많은 사이트이다.