Магистратура
2023/2024
Технологии искусственного интеллекта в экономическом анализе
Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Лучший по критерию «Новизна полученных знаний»
Статус:
Курс обязательный (Статистический анализ в экономике)
Направление:
38.04.01. Экономика
Кто читает:
Департамент статистики и анализа данных
Где читается:
Факультет экономических наук
Когда читается:
2-й курс, 1, 2 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для своего кампуса
Преподаватели:
Балычева Юлия Евгеньевна
Прогр. обучения:
Статистический анализ в экономике
Язык:
русский
Кредиты:
6
Контактные часы:
52
Программа дисциплины
Аннотация
Использование технологий искусственного интеллекта (ИИ) в отраслях экономики носит общий («сквозной») характер и способствует созданию условий для повышения эффективности и формирования принципиально новых направлений деятельности хозяйствующих субъектов. Основными факторами развития технологий ИИ являются: разработка и развитие программного обеспечения, реализующего теоретические методы ИИ, увеличение объема доступных данных, в том числе данных, прошедших специальную разметку и структурирование, развитие информационно-коммуникационной инфраструктуры для обеспечения доступа к наборам таких данных, подготовка квалифицированных кадров, обладающих компетенциями и навыками в области математики, программирования, интеллектуального анализа данных, машинного обучения, и способных к конвергенции знаний за счет интеграции математического, естественно-научного и социально-гуманитарного образования. Дисциплина «Технологии искусственного интеллекта в экономическом анализе» направлена на формирование у студентов такого конвергентного знания, интегрирующего полученные ими ранее знания в области экономики, дискретной математики, теории вероятностей и математической статистики, программирования с методами и технологиями ИИ, реализованными в виде доступных программных инструментальных средств. Для закрепления полученных знаний студентам предлагается выполнить индивидуальное задание
Цель освоения дисциплины
- Формирование у студентов научного представления о новых возможностях и ограничениях применения технологий искусственного интеллекта для повышения эффективности экономической деятельности в условиях цифровой экономики, обусловленных фундаментальными результатами математического анализа, дискретной математики, теории вероятностей и математической статистики.
- Освоение студентами современных методов интеллектуального анализа данных, получение навыков их практического применения для решения модельных и реальных задач экономического анализа.
- Развитие у студентов навыков построения и анализа нелинейных динамических моделей экономических объектов с целью интеллектуальной поддержки принятия управленческих решений.
Планируемые результаты обучения
- Знать источники данных о финансово-хозяйственной деятельности организаций в условиях цифровой экономики, требования к моделям данных, структуризации и разметке данных для применения к ним методов и технологий ИИ.
- Знать основные методы интеллектуального анализа данных. Уметь применять соответствующие инструментальные средства для решения модельных и реальных задач экономического анализа.
- Знать основные методы моделирования нелинейных динамически систем с обратными связями. Владеть методикой верификации моделей. Уметь анализировать результаты моделирования динамических систем для обеспечения интеллектуальной поддержки принятия управленческих решений.
Содержание учебной дисциплины
- Элементы теории экономического анализа
- Цифровая экономика и «большие данные»
- Модели данных для интеллектуального анализа
- Методы интеллектуального анализа
- Моделирование динамических систем
Промежуточная аттестация
- 2023/2024 учебный год 2 модуль0.3 * Активность + 0.3 * Домашнее задание + 0.4 * Контрольная работа
Список литературы
Рекомендуемая основная литература
- 40 алгоритмов, которые должен знать каждый программист на Python, Ахмад, И., 2023
- Artificial intelligence and big data for financial risk management : intelligent applications, , 2023
- Beysolow, T. (2018). Applied Natural Language Processing with Python : Implementing Machine Learning and Deep Learning Algorithms for Natural Language Processing. [Berkeley, CA]: Apress. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1892182
- Eric Schaeffer Industry X.0: Realizing Digital Value in Industrial Sectors, Kogan Page, 2017
- Gerasimov, I., Glebov, S., Kaplunovski, A., Mogilner, M., & Semyonov, A. (2015). “Big Data” and “Small Stories” for the Future. Ab Imperio, 4, 9–25. https://doi.org/10.1353/imp.2015.0093
- Grable, J. E., & Lyons, A. C. (2018). An Introduction to Big Data. Journal of Financial Service Professionals, 72(5), 17–20. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=bsu&AN=131378067
- Gunasekaran, A., Yusuf, Y., Adeleye, E. O., & Papadopoulos, T. (2017). Agile manufacturing practices: the role of big data and business analytics with multiple case studies. https://doi.org/10.1080/00207543.2017.1395488
- Pandas for everyone : Python data analysis, Chen, D. Y., 2023
- Python для data science, Васильев, Ю., 2023
- Soete, L., & Freeman, C. (2007). Developing science, technology and innovation indicators: what we can learn from the past. MERIT Working Papers.
- Введение в искусственный интеллект : учеб. пособие, Ясницкий Л.Н., 2010
- Интеллектуальные системы : учебник, Ясницкий Л.Н., 2016
- Экономический анализ : основы теории, комплексный анализ хозяйственной деятельности организации : учебник для бакалавров, Войтоловский, Н. В., 2014
- Экономический анализ. Ч.1 : учебник для бакалавриата и специалитета, Войтоловский, Н.В., 2019
- Экономический анализ. Ч.2 : учебник для бакалавриата и специалитета, Войтоловский, Н.В., 2019
Рекомендуемая дополнительная литература
- "Жесткие" и "мягкие" математические модели, Арнольд, В. И., 2000
- "Жесткие" и "мягкие" математические модели, Арнольд, В. И., 2008
- Большие данные : принципы и практика построения масштабируемых систем обработки данных в реальном времени, Марц, Н., 2017