Przedmioty kierunkowe do wyboru - studia II stopnia IE - grupa 2 (2*30h) (grupa przedmiotów zdefiniowana przez Wydział Nauk Ekonomicznych)

• Ćwiczenia - 30 godzin
• Wykład - 30 godzin

• Ćwiczenia - 30 godzin
• Wykład - 30 godzin

The lecture and exercises on econometrics are to familiarize students with advanced econometric techniques, their properties and the most important applications.

The lecture concerns: models estimated on the time series and panels as well as the applications of the MLE and GMM estimators.

The lecture is intended for students of the Data Science programme.

The lecture uses concepts in the field of linear algebra, mathematical analysis, probability calculus, descriptive and mathematical statistics and basic econometrics.

• Konwersatorium - 30 godzin

• Konwersatorium - 30 godzin

Celem kursu jest przekazanie wiedzy i umiejętności o technikach zaawansowanej wizualizacji danych w R dzięki której można tworzyć wykresy adekwatne do problemu w standardzie publikacyjnym. Do realizacji tego celu wykorzystany zostanie pakiet ggplot2, którego składnia zostanie omówiona szczegółowo – od podstawowych zasad i funkcji, przez przegląd różnych geometrii (np. geom_line, geom_point, geom_bar), edycje parametrów wykresu (funkcja theme i rodzina funkcji scale_). Na koniec zostanie zaprezentowany przegląd zaawansowanych wizualizacji, włączając w to tworzenie map i rozkładów dwuwymiarowych. Podczas zajęć zostaną również omówione wybrane techniki wizualizacji interaktywnej. Ważną częścią kursu będzie zaprezentowanie efektywnych sposobów wykorzystania pakietu R do wizualizacji danych.

• Konwersatorium - 30 godzin

Celem zajęć jest zapoznanie studentów z metodami statystycznymi przydatnymi w analizie danych nieustrukturyzowanych oraz metodami sztucznej inteligencji, które umożliwiają strukturyzację informacji tekstowych oraz doskonalenie analiz i metod podejmowania decyzji poprzez przeprowadzenie analizy zawartości różnorodnych dokumentów tekstowych oraz znajdywanie nieznanych zależności, wzorców i trendów pomiędzy danymi w zgromadzonych zbiorach danych. Podczas wykładu zostaną omówione poszczególne metody i przykładowe zastosowania. Zajęcia praktyczne obejmują przeprowadzanie analiz przez studentów z wykorzystaniem programu SAS Enterprise Miner oraz SAS Text Miner.

UWAGA: Zajęcia są prowadzone w ramach ścieżki DMCP, po ukończeniu której studenci mogą uzyskać certyfikatu SAS

• Konwersatorium - 30 godzin

Modele z objaśnianą zmienną dyskretną są coraz częściej wykorzystywane w badaniach empirycznych nad zjawiskami ekonomicznymi. Metodologia tworzenia modeli i interpretacja ich wyników różni się od metod klasycznych.Celem tych zajęć będzie przede wszystkim zapoznanie studentów z najważniejszymi technikami analizy wyborów dyskretnych i możliwościami pakietu ekonometrycznego STATA w tym zaskresie. Celem dodatkowym będzie nauczenie studentów poprawnej budowy modeli ekonometrycznych z dyskretną zmienna objaśnianą i interpretacji otrzymanych wyników. Zajęcia będą miały charakter ćwiczeń/konwersatorium. Każdy uczestnik zająć w pierwszej ich części pozna podstawy teoretyczne modelu i techniki estymacji. Druga część zajęć będzie przeznaczona na pracę z programem i estymację modelu. Zajęcia są przeznaczone dla studentów IV - V roku. Znajomość KMRL obowiązkowa oraz modelu logitowego i probitowego jest mile wydziana. Zaliczenie - prezentacja wybranego badania lub własnej pracy empirycznej.

• Ćwiczenia - 15 godzin
• Wykład - 30 godzin

• Ćwiczenia - 15 godzin
• Wykład - 30 godzin

The aim of this 45-hours lecture is to present modern macroeconomic methods and models used both by researchers and analysts to understand and predict macroeconomic phenomena. Upon completion students will be able to use acquired tools to explain and interpret the workings of the macroeconomy at an advanced level.

The course is composed of three parts. The first part is devoted to static (intersectoral) general equilibrium analysis. The second part covers core growth facts and theories. The third part is devoted to analyzing and modeling business cycles phenomena.

• Konwersatorium - 30 godzin

• Konwersatorium - 30 godzin

Celem zajęć jest zapoznanie uczestników zarządzaniem bazami danych przy wykorzystaniu języka SQL, który jest standardem wykorzystywanym w takich bazch danych jak Oracle, Sybase, Informix, Microsoft SQL. Zajęcia obejmują również poznanie hurtowni danych jako aparatu pojęciowego, technologii i techniki prowadzenia badań wykorzystywanej do analiz ekonomicznych. W ramach zajęć uczestnicy poznają intuicyjne narzędzia klasy ETL w SAS wspomagające proces uzyskiwania informacji z danych, ich wielowymiarowej analizy i prezentacji. Podstawą takich analiz jest możliwość badania zależności pomiędzy wartościami liczbowymi reprezentującymi dane, a zbiorem parametrów zwanych wymiarami. Ponadto podczas zajęć zostanie zaprezentowany przykład hurtowni danych wykorzystany do analizy rynku pracy w Polsce.

UWAGA: Zajęcia są prowadzone w ramach ścieżki DMCP, po ukończeniu której studenci mogą uzyskać certyfikatu SAS

• Konwersatorium - 30 godzin

• Konwersatorium - 30 godzin

• Konwersatorium - 30 godzin

• Kurs internetowy - 40 godzin

• Kurs internetowy - 40 godzin

Kurs przygotowany przez Google prowadzony jest w pełni online za pośrednictwem platformy QWIKLABS. Kurs składa się z 3 obowiązkowych modułów i 4 dodatkowych modułów, których ukończenie nie jest konieczne do uzyskania zaliczenia. W każdym module dostępne są materiały wideo, interaktywne ćwiczenia oraz quiz sprawdzający wiedzę. W trakcie kursu studentów wspiera wykładowca z UW oraz dział techniczny Google. Szacowany nakład pracy potrzebny do ukończenia obowiązkowych modułów to ok. 40 godzin. Kurs przeznaczony jest dla osób, które ukończyły kurs From Data to Insights będący wprowadzeniem do narzędzi Google Cloud Platform.

• Konwersatorium - 30 godzin

Celem zajęć jest rozwój umiejętności w zakresie analizy oraz prezentacji danych w sposób zgodny z metodologią naukową i atrakcyjny dla biznesu. Uczestniczki i uczestnicy kursu przygotują badania oraz prezentacje odpowiadając na wybrane pytania badawcze z zakresu ekonomii. Zapoznają się również z nowymi źródłami danych (m.in. bazy big data udostępnione przez Google oraz sektor publiczny), przećwiczą korzystanie z narzędzi analitycznych w języku Python oraz zdobędą doświadczenia w prezentowaniu kompleksowych zagadnień w oparciu o dane.

• Konwersatorium - 30 godzin

• Konwersatorium - 30 godzin

Ekonometria przestrzenna zajmuje się problemami zależności przestrzennej oraz zróżnicowania przestrzennego, operując na danych geo-lokalizowanych. Głównym celem zajęć jest zapoznanie studentów z metodami analizy i testowania przestrzennej zależności oraz warsztatem estymacji i interpretacji modeli przestrzennych. Studenci podczas zajęć poznają także problematykę i specyfikę badań przestrzennych i wizualizacji na mapach danych regionalnych i punktowych. Studenci pracować będą wykorzystując program R, stąd też część zajęć poświęcona będzie nauce tego programu (wcześniejsza znajomość programu nie jest wymagana). Zajęcia mają charakter warsztatowo-praktyczny. Zaliczenie odbywa się na podstawie przygotowanego projektu badawczego, samodzielnie lub w grupach i przez przygotowanie recenzji artykułu (tekst w jęz.ang wybrany przez prowadzącego).

• Kurs internetowy - 30 godzin

Kurs przygotowany przez Google prowadzony jest w pełni online za pośrednictwem platformy Coursera. Kurs składa się z 4 modułów i kończy się z projektem zaliczeniowym. W każdym module dostępne są materiały wideo oraz quiz sprawdzający wiedzę. W trakcie kursu studentów wspiera wykładowca z UW oraz dział techniczny Google. Szacowany nakład pracy potrzebny do ukończenia kursu to ok. 40 godzin. Kurs przeznaczony jest dla osób początkujących, bez wcześniejszej znajomości narzędzi Google Cloud. Rekomendowana jest znajomość podstaw SQL.

• Wykład - 15 godzin

• Wykład - 15 godzin

This course provides a brief introduction to Data Science. The main goal is to shine a light on all areas related to Data Science starting from description of most popular tasks like data wrangling and exploration, task automation and predictive modeling through explanation of true meaning of “Big Data” description of most popular data science software and finishing with data science applications and reality of everyday work.

• Konwersatorium - 30 godzin

• Konwersatorium - 30 godzin

Celem zajęć jest nauczenie uczestników szybkiego i efektywnego wykorzystywania języka programowania Python na potrzeby przetwarzania i analizy danych w kontekście ekonomicznym. Studentom przedstawione zostaną najważniejsze biblioteki Pythona, które umożliwiają wykonywanie typowych zadań analityka biznesowego.

• Laboratorium - 30 godzin

• Laboratorium - 30 godzin

Kurs przedstawia bardziej zaawansowane metody uczenia maszynowego: drzewa decyzyjne oraz sieci neuronowe. Praktyczne przykłady obejmują metody oceny mocy predykcyjnej modelu na próbach treningowej, walidacyjnej oraz testowej, metod wyboru predyktorów oraz uczenia łączonego (ensembling). Omawiane są zarówno przykłady praktyczne jak i wprowadzenie teoretyczne. Praktyczne aplikacje modeli stosowane są w problemach regresji oraz klasyfikacji, metody klasyfikacji i rozpoznawania obrazów, przetwarzania i prognozowania sekwencji i szeregów czasowych, a także wdrożenia tych metod w środowisku chmurowym.