Бакалавриат
2024/2025
Приложения ИИ в экономике и финансах
Статус:
Курс по выбору (Экономика)
Направление:
38.03.01. Экономика
Кто читает:
Департамент прикладной экономики
Где читается:
Факультет экономических наук
Когда читается:
4-й курс, 3 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для своего кампуса
Преподаватели:
Станкевич Иван Павлович
Язык:
русский
Кредиты:
3
Программа дисциплины
Аннотация
Курс предлагает студентам введение в применение методов машинного обучения и нейронных сетей для анализа экономических данных и прогнозирования экономических явлений. Студенты познакомятся с применением уже знакомых им из курсов по машинному обучению концепций и моделей для решения экономических задач как на практике, так и знакомясь с современной научной литературой. Помимо классических для машинного обучения задач прогнозирования будут рассматриваться нестандартные области применения, такие как аппроксимация аналитических решений сложных моделей.
Цель освоения дисциплины
- Ознакомиться с актуальными подходами и методологией применения современных методов машинного обучения и ИИ для решения экономических задач как в академической сфере, так и в индустриальных приложениях
Планируемые результаты обучения
- Студент различает задачи прогнозирования и интерпретации
- Студент обучает модели машинного обучения для прогнозирования экономических показателей
- Студент интерпретирует результаты оценки моделей машинного обучения
- Студент определяет оптимальные методы для аппроксимации аналитического решения экономических задач
- Студент выбирает подходящие для задачи методы снижения размеренности и кластеризации данных
Содержание учебной дисциплины
- Тема 1: Задача прогнозирования.
- Тема 2: Прогнозирование методами машинного обучения: модели и подходы.
- Тема 3: Комбинирование эконометрических и ML моделей.
- Тема 4: Интерпретация моделей машинного обучения.
- Тема 5: Применение методов машинного обучения для аппроксимации решения экономических моделей.
- Тема 6: Задачи кластеризации и снижения размерности.
- Тема 7: Новые и актуальные направления.
Список литературы
Рекомендуемая основная литература
- Makridakis, S., Wheelwright, S. C., & Hyndman, R. J. (1998). Forecasting: Methods and Applications. Cyprus, Europe: John Wiley & Sons, Inc. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.F848CE7
Рекомендуемая дополнительная литература
- A first course in machine learning, Rogers, S., 2012
- Molnar, C. (2018). iml: An R package for Interpretable Machine Learning. https://doi.org/10.5281/zenodo.1299058