Uniwersytet Warszawski, Wydział Nauk Ekonomicznych - Centralny System Uwierzytelniania
Strona główna

Metody ilościowe: od modeli klasycznych do uczenia maszynowego w

Informacje ogólne

Kod przedmiotu: 2400-PL3SL302A
Kod Erasmus / ISCED: 14.3 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0311) Ekonomia Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Metody ilościowe: od modeli klasycznych do uczenia maszynowego w
Jednostka: Wydział Nauk Ekonomicznych
Grupy: Seminaria licencjackie dla III r. studiów licencjackich
Punkty ECTS i inne: 3.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
Język prowadzenia: polski
Rodzaj przedmiotu:

seminaria licencjackie

Skrócony opis:

Na seminarium dokonamy przeglądu różnych metod ilościowych i ich zastosowań praktycznych głównie w finansach i ubezpieczeniach, choć również w naukach o zdrowiu i zastosowaniach przemysłowych. Głównie będziemy zajmować się modelami danych ciągłych choć i istnieje możliwość dyskusji modeli klasyfikacyjnych. Przede wszystkim będziemy omawiać problemy tzw. uczenia nadzorowanego. Podstawowym celem przedmiotu będzie zapoznanie studentów z najnowszymi metodami oraz podejściami wykorzystywanymi praktycznie w wielu dziedzinach nauki i przemysłu. Ma to na celu pomóc w wyborze odpowiedniego tematu pracy dla uczestnika seminarium. Przegląd literatury oraz metod ma również pomóc uczestnikowi seminarium w wyborze zagadnień oraz metod które uwzględniają jego zainteresowanie zawodowe i umiejętności. Studenci poznają najnowsze techniki oraz nauczą się jak tworzyć własne modele, testować je i osadzać w otoczeniu biznesowym i przemysłowym.

Pełny opis:

Na seminarium dokonamy przeglądu różnych metod ilościowych i ich zastosowań praktycznych głównie w finansach i ubezpieczeniach, choć również w naukach o zdrowiu i zastosowaniach przemysłowych. Głównie będziemy zajmować się modelami danych ciągłych choć i istnieje możliwość dyskusji modeli klasyfikacyjnych. Przede wszystkim będziemy omawiać problemy tzw. uczenia nadzorowanego. Podstawowym celem przedmiotu będzie zapoznanie studentów z najnowszymi metodami oraz podejściami wykorzystywanymi praktycznie w wielu dziedzinach nauki i przemysłu. Ma to na celu pomóc w wyborze odpowiedniego tematu pracy dla uczestnika seminarium. Przegląd literatury oraz metod ma również pomóc uczestnikowi seminarium w wyborze zagadnień oraz metod które uwzględniają jego zainteresowanie zawodowe i umiejętności. Studenci poznają najnowsze techniki oraz nauczą się jak tworzyć własne modele, testować je i osadzać w otoczeniu biznesowym i przemysłowym.

Główne zagadnienia teoretyczne omawiane w trakcie seminarium to:

1. Dane i ich znaczenie.

2. Wybór odpowiedniego modelu

3. Modele klasyczne a modele uczenie maszynowego

4. Testowanie modeli

5. Modele regresji i ich zastosowaniach

6. Modele proporcjonalnych hazardów

7. Modele szeregów czasowych i ich zastosowania

8. Modele uczenia maszynowego, przykłady zastosowań

9. Przykłady zastosowań modeli Deep Learning

10. Tematy interesujące dla uczestników seminarium

Lista rozważanych modeli podczas zajęć może się zmieniać.

UWAGA: istnieje opcja, żeby omawiać inny model, który uczestnicy kursu uznają za użyteczny lub ciekawy

Literatura:

1. Kevin Murphy Machine Learning: A Probabilistic Perspective, 2012

2. Hamilton, J. D., Time Series Analysis, Princeton University Press, 1994

3. Vance Martin, Stan Hurn i David Harris, Econometric Modelling with Time Series. Specification, Estimation and Testing, Cambridge University Press, 2013

3. Christopher Baum, An Introduction to Modern Econometrics Using Stata, Stata Press, 2006

4. Dirk Moore, Applied Survival Analysis Using R, 2016

Efekty uczenia się:

Efekty uczenia się:

A)

Wiedza: Student pozna obszerny zakres metod statystycznych i ich zastosowań w wielu obszarach nauki i przemysłu. Będzie w stanie wykorzystać i zrozumieć bądź napisać kod programu do analizy w wybranym przez siebie środowisku programistycznym.

B) Umiejętności: Zainteresowany i ambitny student ma szansę zdobyć umiejętność oceny przydatności i wyboru odpowiedniej metody w wybranych zagadnieniach.

C) Kompetencje społeczne

Student ma świadomość ciągłego uzupełniania i doskonalenia wiedzy i umiejętności.

1. Student potrafi komunikatywnie zaprezentować wybrane podejście do rozwiązania problemu ekonometrycznego w postaci tabel i wykresów.

2. Student jest przygotowany do samodzielnej pracy nad poszerzaniem wiedzy

3. Student umie ocenić możliwość wykorzystania wybranego podejścia do rozwiązania problemu.

Metody i kryteria oceniania:

Przygotowanie referatu omawiającego wybrany model uczenia maszynowego oraz jego konkretne zastosowanie na przykładzie danych empirycznych.

Zajęcia w cyklu "Semestr zimowy 2023/24" (zakończony)

Okres: 2023-10-01 - 2024-01-28
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Seminarium licencjackie, 30 godzin więcej informacji
Koordynatorzy: Janusz Gajda
Prowadzący grup: Janusz Gajda
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie
Seminarium licencjackie - Zaliczenie
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski, Wydział Nauk Ekonomicznych.
ul. Długa 44/50
00-241 Warszawa
tel: +48 22 55 49 126 https://www.wne.uw.edu.pl/
kontakt deklaracja dostępności USOSweb 7.0.3.0 (2024-03-22)