Applications of Artificial Intelligence (AI) in Economic Analysis

2024/2025

Academic Year

RUS

Instruction in Russian

6

ECTS credits

Delivered at:

Department of Statistics and Data Analysis

Course type:

Compulsory course

When:

2 year, 1, 2 module

Instructor

Balycheva, Yulia

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

Элементы контроля

• Работа на семинарах
  Самостоятельные работы на листках или групповые работы в python
• Homework
• In-class assignment

Промежуточная аттестация

• 2024/2025 2nd module
  0.15 * Homework + 0.15 * Homework + 0.4 * In-class assignment + 0.15 * Работа на семинарах + 0.15 * Работа на семинарах

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

Авторы

• Коваленко Андрей Петрович
• Звездина Наталья Валерьевна
• Балычева Юлия Евгеньевна