LLM Finetuning : RunPod와 Multi-GPU 실습
다니엘
실리콘밸리 LLM 프로젝트 현업자에게 배우는 LLM Fine-Tuning 노하우를 가득 담았습니다
Basic
LLM, RunPod, openAI API
이 강의는 알고리즘 트레이딩을 로컬 컴퓨터와 클라우드 환경에서 자동화하는 과정을 다루며 실습을 중심으로 진행됩니다.
수강생 68명
난이도 중급이상
수강기한 무제한





SK그룹
임직원들도 이 강의를 듣고 있어요!





SK그룹
임직원들도 이 강의를 듣고 있어요!
GitHub action
Windows Scheduler
Crontab
Windows registry
IBC (Interactive Brokers Controller)
이 강의는 투자 전략 및 자동화를 시뮬레이션을 통해 학습하는 것이 주 목적입니다. 실제 투자 목적이 아닌, 프로그래밍과 알고리즘을 활용한 퀀트 트레이딩 전략 개발에 중점을 둔 개발자 및 데이터 분석가를 위한 교육 과정입니다.
본 강의는 투자 계좌 개설, 법적 절차, 세금 관련 절차와 같은 투자 실행에 필요한 실제 절차에 대해 다루지 않습니다.
한국 또는 기타 국가에서의 투자 관련 법적 이슈, 예를 들어 Pairs Trading과 같은 특정 전략의 합법성 여부에 대해서도 본 강의에서는 다루지 않습니다.
강의 내 모든 시뮬레이션은 학습 목적으로만 제공되며, 실제 자산 투자와 관련된 조언이나 권고는 포함되지 않습니다.
수강생 여러분은 본 강의의 내용이 실제 투자를 다루는 것이 아님을 인지하시고, 투자 실행에 대한 조언이나 법적 상담이 필요하다면, 관련 전문가에게 문의하시기 바랍니다.
파트 2의 내용은 본 강의를 수강하기 위한 필수 전제 조건입니다.
파트 1은 권장 사항이지만, 필수는 아닙니다.
만약 이전 퀀트 강의를 수강하지 않으셨더라도 GitHub Action 등 클라우드 자동화 부분에만 초점을 맞추고 수강하실 수 있습니다. 다만, 이러한 경우 일부 내용이 어려울 수 있습니다.
강의 구성:
파트 1: '알고리즘 트레이딩을 위한 파이썬 데이터 분석'
파트 2: 'Interactive Brokers API를 활용한 실시간 알고리즘 트레이딩'
파트 3: '클라우드 거래 자동화' (본 강의)
파트 3에서는 클라우드 자동화를 통해 주식 거래 스케줄에 맞춰 가상 머신을 자동으로 구동하는 방법을 학습합니다.
수강평 이벤트가 있습니다. 파트 2 강의의 수강평을 남겨주시고 이메일 (daniel@datarian.education)으로 연락주시면, 할인 쿠폰을 발급해드립니다.
자동화 거래에서 보안상의 이유로 시스템에서 로그 아웃이 되었다면 계속 거래를 할 수 있나요 ? 🤔
인터넷 환경이 일시적으로 불안정한 경우 거래를 이어나갈 수 있을까요❓
알고리즘 자동거래를 클라우드에서 실현할 수 있을까요❓
비용을 최소화하기 위해서 클라우드 컴퓨터를 스케줄에 맞추어서 ON OFF 할 수 있을까요❓
트레이딩을 위한 클라우드 컴퓨터의 가장 적절한 사양은 무엇일까요❓
혹시 취업을 위한 퀀트 포트폴리오를 만들 수 있을까요 ❓
MLOps나 GitHub Action 같은 표현이 생소한가요❓
...
대부분의 거래 플랫폼들은 보안의 문제로 장시간 로그온 된 상태를 허용하지 않습니다. 이는 인터랙티브 브로커스(IBKR) API의 경우도 마찬가지이며 자동화 거래의 큰 장애물이 됩니다.
여러분들은 IBC (Interactive Brokers Controller)를 적용하여 TWS API (거래 시스템)에서 장시간 로그온 상태를 유지하는 방법을 학습하시게 될 것입니다.

최근 데이터 분야에서는 Ops의 중요성이 더욱 부각되고 있습니다. 이제 전통적인 데이터 사이언티스트도 자동화 및 MLOps를 이해하고 활용하지 않으면 경쟁력을 갖기 어려운 시대입니다.
이 강의에서는 github-actions을 활용해 가상 머신을 제어하고 관리하는 방법을 배웁니다. 이를 통해 수강생 여러분은 보다 효율적인 데이터 워크플로우 자동화와 클라우드 환경에서의 운영 능력을 강화할 수 있을 것입니다.
아래는 github-actions을 통하여 클라우드 컴퓨터를 스케줄링 또는 메뉴얼 방식으로 스타트하는 내용입니다.

클라우드 자동화 거래를 위한 컴퓨팅 사양은 최소한의 사양에 맞추어져 있습니다. (비용 최적화)
또한 클라우드에서 아나콘다를 이용하여 분석 환경을 구성합니다.
Windows에서는 Task Scheduler, Mac에서는 crontab을 사용하여 자동화된 스크립트 실행을 설정할 수 있습니다. 이 강의에서는 각 운영체제별로 스케줄러를 활용해 파이썬 스크립트 및 거래 프로세스를 자동화하는 방법을 배울 수 있습니다. 이를 통해 반복적인 작업을 자동화하고, 거래 워크플로우의 효율성을 높일 수 있습니다.
✅ 자동 로그인 설정:: 가상 머신 시작 시 자동 로그인 설정 방법 학습
✅ 편리성 향상: 매번 수동 로그인을 하지 않고, 분석 환경 자동 준비
✅ 핵심 내용:
Windows Registry 수정
자동 로그인 설정을 위한 키 값 입력
RDP 제거: RDP 연결 대신 VS Code Remote Tunnels 사용으로 보안 강화
보안 취약점 감소: RDP 포트를 열지 않아 공격 벡터 최소화
암호화된 연결: GitHub 인증을 통해 안전하고 암호화된 접속 제공
접속 관리 간소화: GitHub 기반 인증으로 간편한 권한 관리
추가 보안: VPN 등 추가 보안 방법과 함께 사용할 수 있음
MLOps/DataOps 실전 적용: 이 강의는 단순한 개념 설명을 넘어, MLOps와 DataOps를 실제 환경에 적용하는 방법을 다룹니다.
가상 머신 제어: 클라우드와 온프레미스에서 가상 머신을 실질적으로 제어하는 방법을 배우게 됩니다.
실제 프로젝트 기반 강의: 본 강의는 실제 퀀트 회사에 제출한 포트폴리오 프로젝트에 기반을 두고 있으며, 이론에 그치지 않고 실제 적용된 사례를 다룹니다.

클라우드에서 퀀트 자동 거래를 실현하고자 하는 분

MLOps 또는 DataOps를 실전 포트폴리오를 통해서 구현하고자 하는 분

파이썬 알고리즘 트레이딩 파트2 기수강자
이 강의에서는 Azure에서 Windows OS 기반의 가상 머신을 생성하고, 아나콘다를 활용하여 파이썬 Python 분석 환경을 구축해 실습을 진행합니다.
또한 Mac과 Windows 로컬 환경에서도 자동화 구현이 가능하도록 가이드를 제공합니다.
모든 강의 자료는 강의 자료에 첨부되어 있으며 메인 스크립트 노트북은 케글 플랫폼을 통해서도 접근하실 수 있습니다.
학습 대상은
누구일까요?
선택: 파이썬 알고리즘 트레이딩 파트1 기수강자
필수: 파이썬 알고리즘 트레이딩 파트2 기수강자
선수 지식,
필요할까요?
Python과 GitHub 사용법
670
명
수강생
73
개
수강평
74
개
답변
4.8
점
강의 평점
7
개
강의
LLM 기반 AI 기업에서 Pod Lead로 활동
서울대학교 기계항공 공학부 졸업
유럽 소재 대학원에서 기계항공공학 석사
독일 소재 공학 연구기관에서 박사 과정 연구 수행
유럽 대형 에너지 기업에서 Senior Data Scientist 경험
영국 소재 에너지 컨설팅 기업에서 Senior Consultant 활동
Databricks 기반 데이터 엔지니어링 프로젝트 수행
Kaggle 주식 거래 AI 대회 Top 3% 성과
AI Agent 개발팀장으로 현재 활동 중
전체
24개 ∙ (3시간 43분)
해당 강의에서 제공:
인프런 썸머 블랙프라이데이 할인 중 (5일 남음)
₩31
28%
₩55,000
지식공유자님의 다른 강의를 만나보세요!
같은 분야의 다른 강의를 만나보세요!