keras1 딥러닝 시계열 예측 시작하기 - 데이터 준비와 베이스라인 구축 이전 포스팅에서 『파이썬 시계열 예측 분석』책의 전반부를 다루며 ARIMA와 같은 통계적 시계열 모델에 대해 알아보았다. 통계 모델은 데이터의 구조를 해석하고 안정적인 예측을 제공하는 강력한 도구임을 확인했다. 이번 포스팅부터는 책의 후반부 주제인 딥러닝을 활용한 시계열 예측으로 넘어가고자 한다. 통계적 접근법이 명확한 수학적 가정을 기반으로 한다면, 딥러닝은 대규모 데이터 속에서 복잡하고 비선형적인 패턴을 스스로 학습하는 데 강점이 있다. 이 시리즈는 이전 글의 연장선상에서, 통계 모델만으로는 해결하기 어려운 문제들을 딥러닝이 어떻게 풀어내는지 그 과정과 원리를 단계별로 정리하는 것을 목표로 한다. 먼저, 어떤 상황에서 딥러닝이 통계 모델보다 더 나은 선택지가 될 수 있는지부터 살펴보자. 참고: 책의 .. 2025. 10. 11. 이전 1 다음
