Применение машинного обучения в экономике

2023/2024

Учебный год

RUS

Обучение ведется на русском языке

3

Кредиты

Кто читает:

Департамент экономики

Статус:

Курс по выбору

Когда читается:

3-й курс, 2 модуль

Преподаватель

Ершов Александр Александрович

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 задания
  Набор практических заданий, который может состоять от одной до нескольких задач. По ходу решения студенту могут быть заданы устные вопросы
• Контрольная работа
• Экзамен
  Устные и письменные вопросы
• Контрольная работа

Промежуточная аттестация

• 2023/2024 учебный год 2 модуль
  0.15 * Контрольная работа + 0.1 * 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