* 본 강의는 데이터캠퍼스 유료회원만 신청이 가능한 과정입니다.

유료회원은 이용하고자 하는 케이스 강의를 신청 해주시면 관리자가 확인 후 수강이 가능하도록 조치해 드립니다.

평일 근무시간 기준으로 1시간 이내 수강 가능하며, 주말에는 월요일 오전 중에 수강이 가능하도록 조치해드립니다.

######### 과제 소개 ############

본 과제는 Python으로 딥러닝 중 RNN모델을 이용하여 주가를 예측하는 소과제 풀이 영상입니다. 

데이터사이언스 Python의 딥러닝 강좌 중 RNN모델 학습까지 수강하신 분 중 본인의 실력테스트 및 실전 데이터를 다루는 연습을 하고자 하는 수강생들에게 적합한 과제입니다. 

데이터설명: 네이버 주식페이지 중 '카카오' 주가 데이터 (직접 크롤링하여 활용)

소과제 내용: 

1. 네이버에서 카카오의 일일 주가 데이터 최근 1,000개를 크롤링하여 데이터프레임 형태로 저장하시오

    1) 데이터는 날짜, 시가, 고가, 저가, 거래량, 종가 순으로 배열하시오

    2) 모든 값에서 쉼표를 제거하시오 (예: 23,400 -> 23400)

        이는 값을 String에서 Integer 형태로 변환하기 위해(6번 작업) 필요한 작업임

    3) 열 이름은 각각 Date, Open, High, Low, Volume, Close로 지정하시오

    4) 데이터는 가장 최근 데이터를 가장 아래쪽으로 배치하시오        이는 하위 데이터 30%를 Test Data로 활용할 예정이므로 최근 데이터를 예측하기 위해 필요한 작업임

    5) 만들어진 데이터 프레임을 쉼표로 분리된 CSV(kakao.csv)로 저장하시오 (단, 행 번호(index)는 저장되지 않게 하시오)

    6) 데이터 프레임을 분석에 활용하기 위해 Array(numpy.ndarray) 형태로 변환하시오

        (단, 날짜를 제외한 시가, 고가, 저가, 거래량, 종가만 활용하며 데이터는 integer 형태로 변환하시오)

2. RNN 중 LSTM 알고리즘을 이용하여 주가를 예측하시오

    1) Min-max Scaler를 이용하여 표준화하시오

    2) 종속변수는 종가(Close)로 설정하시오

    3) Parameter는 다음과 같이 설정하시오

    4) Train Data와 Test Data를 7:3로 분할하시오 (순차적)

    5) LSTM Layer는 BasicLSTMCell를 이용하여 작성하시오

    6) Optimizer는 AdamOptimizer를 이용하시오

    7) 학습 시 최종 RMSE 값을 출력하시오

3. Test Data에 대한 실제 값과 Predict 값에 대한 그래프를 작성하시오