Магистратура
2021/2022
Применение машинного обучения в макроэкономике
Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Лучший по критерию «Новизна полученных знаний»
Статус:
Курс обязательный (Экономический анализ)
Направление:
38.04.01. Экономика
Кто читает:
Практико-ориентированные магистерские программы факультета экономических наук
Где читается:
Факультет экономических наук
Когда читается:
1-й курс, 4 модуль
Формат изучения:
с онлайн-курсом
Охват аудитории:
для своего кампуса
Преподаватели:
Андреянов Павел Павлович
Прогр. обучения:
Экономический анализ
Язык:
русский
Кредиты:
4
Контактные часы:
8
Программа дисциплины
Аннотация
Курс направлен на ознакомление с основами современных методов машинного обучения (ML) и примерами их использования в макроэкономических исследованиях. Отдельное внимание будет уделено ключевым аспектам, на которые стоит обратить внимание при построении рассмотренных алгоритмов. В рамках вебинаров, обучающиеся смогут на практике ознакомиться с основами программирования на языке Python и закрепить свои значения в рамках выполнения групповых проектов.
Цель освоения дисциплины
- Ознакомление с основами современных методов машинного обучения (ML) и примерами их использования в макроэкономических исследованиях. Отдельное внимание будет уделено ключевым аспектам, на которые стоит обратить внимание при построении рассмотренных алгоритмов. Курс дает представление об используемых ML методах и примера использования Больших данных в экономических исследованиях и практической работе центральных банков. В рамках вебинаров, обучающиеся смогут на практике ознакомиться с основами программирования на языке Python и закрепить свои значения в рамках выполнения групповых проектов.
Планируемые результаты обучения
- Знать основной терминологии и базовую классификацию экономических исследований с использованием методов машинного обучения, а также примеры альтернативных данных, полученных на основе Big Data.
- понимать отличие задачи регрессии от задачи классификации; знать случаи, когда следует использовать регрессии с регуляризацией, знать основные типы этих регрессий, их отличия и случаи использования.
- Знать основные модели классификации и кластеризации.
- знать основные этапы построения модели дерева решений и случайного леса, понимать их преимущества и недостатки; иметь представление, как эти модели используются в экономических исследованиях.
- знать, как строится модель градиентного бустинга и схожие ансамблевые модели
- знать примеры использования ML и текстового анализа в макроаналитике на примере проектов VTB Capital
