machine-learning-for-trading

(★ 20,566)

Machine Learning for Trading, 3rd edition의 코드로, 데이터 소싱부터 실시간 실행까지의 전 과정을 다룹니다.

  • .env.example
  • .gitignore
  • .pre-commit-config.yaml
  • .verified-notebooks.tsv
  • docker-compose.yml
  • LICENSE
  • matplotlibrc
  • pyproject.toml
  • README.md
  • sitecustomize.py
  • uv.lock

# 설치 가이드

1. 코드 내려받기
git clone https://github.com/stefan-jansen/machine-learning-for-trading

깃허브에서 프로젝트 코드 전체를 내 컴퓨터로 내려받습니다.

cd machine-learning-for-trading

방금 내려받은 프로젝트 폴더 안으로 이동합니다.

2. 공식 설치 스크립트

쉬움 추천
curl -LsSf https://astral.sh/uv/install.sh | sh

공식 설치 스크립트를 다운로드해서 바로 실행합니다. 이 한 줄로 필요한 게 자동으로 설치됩니다.

설치 후 새 터미널을 열고, 프로그램의 버전 확인 명령(예: --version)으로 정상 설치됐는지 확인하세요.

이 레포의 README에 적힌 실제 명령어를 그대로 가져왔습니다.

3. Docker

쉬움
사전 준비물
  • Git GitHub에서 프로젝트 코드를 내려받으려면 필요합니다.
  • Docker Desktop 컨테이너를 빌드하고 실행하려면 필요합니다. 설치 후 실행해서 백그라운드에 켜두세요.
docker compose pull ml4t # Option A — Docker (recommended)

compose 설정 파일에 정의된 서비스들을 대상으로 명령을 실행합니다.

docker compose up -d ml4t # Docker: same address

정의된 모든 컨테이너(서버, DB 등)를 한 번에 빌드하고 백그라운드에서 실행합니다.

├── docker-compose.yml all Docker services

compose 설정 파일에 정의된 서비스들을 대상으로 명령을 실행합니다.

터미널에 docker compose ps 를 입력해 컨테이너들이 Up 상태인지 확인하세요. README에 포트 번호가 적혀있다면 브라우저에서 http://localhost:포트번호 로 접속해보세요.

이 레포의 README에 적힌 실제 명령어를 그대로 가져왔습니다.

4. Python

쉬움
사전 준비물
  • Git GitHub에서 프로젝트 코드를 내려받으려면 필요합니다.
  • Python 3 설치 시 'Add Python to PATH' 옵션을 꼭 체크하세요 (Windows).
ML4T_DATA_PATH="${ML4T_DATA_PATH:-$PWD/data}" uv run jupyter lab # local: open the URL it prints

이 명령어를 터미널에 그대로 입력해 실행하세요.

에러 메시지 없이 실행되고 터미널에 안내 문구가 출력되면 정상입니다.

이 레포의 README에 적힌 실제 명령어를 그대로 가져왔습니다.

// repository documentation