Advanced Machine Learning and AI Models: Applications in Economics and Finance

2024/2025

Academic Year

RUS

Instruction in Russian

3

ECTS credits

Delivered at:

Department of Applied Economics

Course type:

Elective course

When:

4 year, 3 module

Instructor

Stankevich, Ivan

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.

Элементы контроля

• Activity
• Project
• Экзамен

Промежуточная аттестация

• 2024/2025 3rd module
  0.2 * Activity + 0.4 * Project + 0.4 * Экзамен

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

Авторы

• Станкевич Иван Павлович