Бакалавриат
2023/2024
Применение машинного обучения в экономике
Статус:
Курс по выбору (Экономика)
Направление:
38.03.01. Экономика
Кто читает:
Департамент экономики
Где читается:
Санкт-Петербургская школа экономики и менеджмента
Когда читается:
3-й курс, 2 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для своего кампуса
Преподаватели:
Ершов Александр Александрович
Язык:
русский
Кредиты:
3
Контактные часы:
28
Программа дисциплины
Аннотация
Дисциплина посвящена изучению основ анализа данных и машинного обучения, возможностей языка python в области машинного обучения, приобретению умений использования python и его библиотек для обработки данных и обучения алгоритмов машинного обучения в контексте решения прикладных задач в экономике.
Цель освоения дисциплины
- Приобретение понимания условий применимости методов машинного обучения для экономических задач
- Приобретение знаний основных практических возможностей методов машинного обучения
- Приобретение умений базовой подготовки и обработки данных для их применения методами машинного обучения (python: pandas, scikit-learn)
- Приобретение умений обучать алгоритмы (supervised learning), а также выполнять кластеризацию данных (unsupervised learning) – python: scikit-learn, catboost, tensorflow (keras api)
Планируемые результаты обучения
- Способен оценить бизнес-задачу в контексте применимости методов машинного обучения
- Способен обработать (средствами python и его библиотек) имеющиеся структурированные табличные данные и подготовить их для применения методов машинного обучения
- Способен обучить модели машинного обучения (линейные, случайный лес, градиентный бустинг, полносвязанные нейронные сети) или выполнить кластеризацию данных
- Может оценить качество работы обученных алгоритмов по базовым регрессионным и классификационным метрикам
Содержание учебной дисциплины
- Введение в машинное обучение.
- Обучение с учителем, основной модуль
- Обучение без учителя.
Элементы контроля
- Практические заданияНабор практических заданий, который может состоять от одной до нескольких задач. По ходу решения студенту могут быть заданы устные вопросы
- Контрольная работа
- ЭкзаменУстные и письменные вопросы
- Контрольная работа
Промежуточная аттестация
- 2023/2024 учебный год 2 модуль0.1 * Контрольная работа + 0.15 * Контрольная работа + 0.45 * Практические задания + 0.3 * Экзамен
Список литературы
Рекомендуемая основная литература
- Мэрфи, К. П. Вероятностное машинное обучение. Введение / К. П. Мэрфи , перевод с английского А. А. Слинкина. — Москва : ДМК Пресс, 2022. — 940 с. — ISBN 978-5-93700-119-1. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/314891 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
- Плас Дж. Вандер - Python для сложных задач: наука о данных и машинное обучение - 978-5-496-03068-7 - Санкт-Петербург: Питер - 2018 - 356721 - https://ibooks.ru/bookshelf/356721/reading - iBOOKS
Рекомендуемая дополнительная литература
- Плас Дж. Вандер - Python для сложных задач: наука о данных и машинное обучение. — (Серия «Бестселлеры O’Reilly»). - 978-5-4461-0914-2 - Санкт-Петербург: Питер - 2021 - 376830 - https://ibooks.ru/bookshelf/376830/reading - iBOOKS