Type of course

Course content

Økonometri har lenge dominert innen økonomi og finans når det gjelder modellering og prediksjon. Likevel har framskritt av maskinlæring gjort at maskinlæringen brukes mer og mer innen økonomi og finans. Dette emnet vil omhandle teknikker som beslutningstrær, nevrale nettverk, bildeklassifisering, bruk av tekstdata, språkmodeller og tidsserie-modeller.
Undervisningen vil bruke maskinlæringsverktøy i Python, og gi studentene en god innføring i maskinlæring rettet mot samfunnsøkonomiske og finansielle problemstillinger.

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.

Language of instruction and examination

Teaching methods

Forelesninger og seminar

Seminarene vil fokusere på praktiske problemstillinger, der studentene får jobbe med reelle data og modeller.