Машинное обучение в экономике 2023-2024 — различия между версиями
Potanin (обсуждение | вклад) (→Материалы для повторения) |
Potanin (обсуждение | вклад) (→Материалы для повторения) |
||
Строка 5: | Строка 5: | ||
== Материалы для повторения == | == Материалы для повторения == | ||
− | Викистранички курсов по теории вероятностей: | + | Викистранички курсов по теории вероятностей и математической статистике: |
* [http://wiki.cs.hse.ru/Теория_вероятностей_и_статистика,_МИРЭК,_2023-2024 МИРЭК] | * [http://wiki.cs.hse.ru/Теория_вероятностей_и_статистика,_МИРЭК,_2023-2024 МИРЭК] | ||
* [http://wiki.cs.hse.ru/Econ_probability_2023-24 Экономика] | * [http://wiki.cs.hse.ru/Econ_probability_2023-24 Экономика] | ||
+ | Видео про применение python в математической статистике: | ||
− | + | * [https://youtu.be/F7dJmORBXzM Часть 1] | |
− | [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm | + | * [https://youtu.be/VKHr1Po9ztI Часть 2] |
+ | * [https://youtu.be/3ZGq472-XbE Часть 3] | ||
+ | * [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm Код к видео] | ||
== Неделя 1. Байесовский классификатор и его модификации == | == Неделя 1. Байесовский классификатор и его модификации == |
Версия 11:08, 9 марта 2024
Содержание
- 1 Дисклеймер
- 2 Материалы для повторения
- 3 Неделя 1. Байесовский классификатор и его модификации
- 4 Неделя 2. Метод ближайших соседей
- 5 Неделя 3. Деревья
- 6 Неделя 4. Логистическая регрессия и метод опорных векторов
- 7 Неделя 5. Машинное обучение в эконометрике
- 8 Неделя 6. Эффекты воздействия
- 9 Неделя 7. Нейронные сети
- 10 Неделя 8. Большие языковые модели
- 11 Список литературы
Дисклеймер
Материалы данной страницы являются предварительными и могут содержать существенные неточности
Материалы для повторения
Викистранички курсов по теории вероятностей и математической статистике:
Видео про применение python в математической статистике:
Неделя 1. Байесовский классификатор и его модификации
Основные материалы
Рекомендуемая литература
1. FOML глава 6.
2. MLPP глава 10.
Неделя 2. Метод ближайших соседей
Основные материалы
Рекомендуемая литература
1. FOML глава 4.
2. MLPP глава 16.
Неделя 3. Деревья
Основные материалы
Рекомендуемая литература
1. FOML глава 5.
Неделя 4. Логистическая регрессия и метод опорных векторов
Основные материалы
Рекомендуемая литература
1. FOML глава 7.
2. MLPP главы 8 и 14.5.
Неделя 5. Машинное обучение в эконометрике
Основные материалы
Рекомендуемая литература
1. HBE глава 29.
Дополнительные материалы
1. Двойное машинное обучение в R
2. Двойное машинное обучение в STATA
3. Двойное машинное обучение в python.
4. Видео лекции о теории двойного машинного обучения от создателя метода
5. Видео лекции о программной реализации двойного машинного обучения от создателей пакета
Примечание: пакеты в R и python разработаны одними и теми же людьми, поэтому практически идентичны. Однако, в статье про пакет в R все расписано гораздо подробней и понятней, с большим числом наглядных примеров и наиболее важными теоретическими выкладками.
Неделя 6. Эффекты воздействия
Основные материалы
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
Рекомендуемая литература
1. MLPP главы 16.5 и 28.
Неделя 8. Большие языковые модели
Список литературы
- FOML -- Fundamentals of machine learning for predicting data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy. Низкая сложность
- HBE -- Econometrics. Hansen B. Средняя сложность
- MLPP -- Machine learning a probabilistic perspective. Kevin P. Murphy. Высокая сложность