Версия 15:46, 5 марта 2024

Дисклеймер

Материалы данной страницы являются предварительными и могут содержать существенные неточности

Неделя 1. Байесовский классификатор и его модификации

Основные материалы

Слайды лекции

Код семинара

Данные

Рекомендуемая литература

1. FOML глава 6.

2. MLPP глава 10.

Неделя 2. Метод ближайших соседей

Основные материалы

Слайды лекции

Код семинара

Данные

Рекомендуемая литература

1. FOML глава 4.

2. MLPP глава 16.

Неделя 3. Деревья

Основные материалы

Слайды лекции

Код семинара

Данные

Рекомендуемая литература

1. FOML глава 5.

Неделя 4. Логистическая регрессия и метод опорных векторов

Основные материалы

Слайды лекции

Рекомендуемая литература

1. FOML глава 7.

2. MLPP главы 8 и 14.5.

Неделя 5. Машинное обучение в эконометрике

Основные материалы

Слайды лекции

Рекомендуемая литература

1. HBE глава 29.

Дополнительные материалы

1. Двойное машинное обучение в R

Неделя 6. Эффекты воздействия

Основные материалы

Слайды лекции

Рекомендуемая литература

1. MLPP главы 16.5 и 28.

2. HBE главы 12.34 и 29.22.

Дополнительные материалы

Простое, но достаточно подробное введение в casual inference.

Теория оценивания LATE с использованием дополнительных регрессоров

Неделя 7. Нейронные сети

Основные материалы

Слайды лекции

Рекомендуемая литература

1. MLPP главы 16.5 и 28.

Неделя 8. Большие языковые модели

Список литературы

1. FOML -- Fundamentals of machine learning for predicting data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy. Низкая сложность
2. HBE -- Econometrics. Hansen B. Средняя сложность
3. MLPP -- Machine learning a probabilistic perspective. Kevin P. Murphy. Высокая сложность