Maskinlæring for økonomer
About the course
Emnet kan tas som enkeltemne.
Økonometri har lenge vært den viktigste metoden for modellering og prediksjon innen samfunnsøkonomi og finans. De siste årene har imidlertid maskinlæring blitt stadig mer brukt på disse områdene. I dette emnet vil studentene få en innføring i sentrale maskinlæringsmetoder, som beslutningstrær, nevrale nettverk, bildeklassifisering, analyse av tekstdata, språkmodeller og tidsseriemodeller.
Emnet har hovedfokus på forståelse av maskinlæring, og anvendelser innen økonomi og finans. Kurset vil også diskutere hvordan de samme metodene kan brukes i andre fagfelt. Undervisningen vil bruke maskinlæringsverktøy i Python og gi studentene et godt grunnlag for å anvende maskinlæring på ulike typer problemstillinger.
Admission reguirements
Objective of the course
I dette emnet lærer studenten hvordan maskinlæringsteknikker som beslutningstrær, nevrale nettverk, tekst- og bildeklassifisering, samt tidsseriemodeller kan anvendes på økonomiske og finansielle problemstillinger. Gjennom praktisk bruk av Python-verktøy får studentene innsikt i hvordan disse metodene kan forbedre prediksjoner og analyser sammenlignet med tradisjonelle økonometriske modeller. Etter fullført kurs skal studenten kunne bygge og anvende maskinlæringsmodeller for komplekse økonomiske data.
Kunnskap
Kandidaten har:
- Grunnleggende kunnskap om maskinlæringsmodeller og deres anvendelse innen samfunnsøkonomi og finans.
- Forståelse for hvilke maskinlæringsteknikker som passer til ulike typer økonomiske problemstillinger.
- Kjennskap til viktige metoder som beslutningstrær, nevrale nettverk og tidsseriemodeller som for eksempel LSTM.
Ferdigheter
Kandidaten kan:
- skrive kode i Python som implementerer maskinlæringsmodeller, for eksempel ved hjelp av TensorFlow.
- utføre databehandling og transformasjon som kreves før maskinlæringsalgoritmer kan anvendes.
- trene maskinlæringsmodeller og evaluere deres ytelse.
- visualisere resultater fra maskinlæringsmodeller på en klar og innsiktsfull måte.
Kompetanse
Kandidaten:
- kan identifisere samfunnsøkonomiske problemstillinger som kan løses ved hjelp av maskinlæring.
- kan innhente og analysere data for å bygge maskinlæringsmodeller som forklarer økonomiske sammenhenger.
- kan bruke Python til å utvikle modeller for prediksjon og beslutningsstøtte i økonomiske analyser.
- kan trekke ut innsikt fra komplekse økonomiske datasett ved hjelp av maskinlæring og presentere denne innsikten på en forståelig måte.
Studiepoengreduksjon
Du vil få en reduksjon i antall studiepoeng (som oppgitt under), dersom du avlegger eksamen i dette emnet og har bestått følgende emne(r) fra før av:
- SOK-3023 Maskinlæring for økonomer 5 stp
Teaching methods
Language of instruction and examination
Norsk.Schedule
The schedules are normally finalized and published well in advance of the start of the semester, often a few weeks beforehand. This gives students the opportunity to organize their studies and prepare for upcoming activities.
It is recommended to check the schedule regularly, as changes may occur.
Examination
| Muntlig eksamen | Duration: 30 Minutter Weighting: 6/10 |
Grade: A–E, fail F |
| Oppgave | Weighting: 4/10 |
Grade: A–E, fail F |
To take an examination, the student must have passed the following coursework requirements
| Individuelt arbeidskrav | Grade: Approved – not approved |
Everything you need to know about before, during, and after the exam; registration, absence, appeals, and diplomas: UiT Exams homepage