Maskinlæring for økonomer
Om emnet
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.
Opptakskrav
Hva lærer du
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
Undervisning og pensum
Undervisnings- og eksamensspråk
Norsk.Timeplan
Timeplanene ferdigstilles og publiseres normalt i god tid før semesterstart, ofte noen uker i forkant. Dette gir studentene mulighet til å organisere studiene sine og forberede seg på kommende aktiviteter.
Det anbefales å sjekke timeplanen jevnlig, da det kan forekomme endringer.
Eksamen
| Muntlig eksamen | Varighet: 30 Minutter Vekting: 6/10 |
Karakterregel: A–E, stryk F |
| Oppgave | Vekting: 4/10 |
Karakterregel: A–E, stryk F |
Følgende arbeidskrav må være gjennomført og godkjent før man kan framstille seg til eksamen
| Individuelt arbeidskrav | Karakterregel: Godkjent – ikke godkjent |
Alt du trenger å vite om før, under og etter eksamen, oppmelding, fravær klage og vitnemål: UiTs samleside om eksamen