Prof. Matteo Barigozzi: Machine Learning For Economists
5,1difficoltà
Bologna · Facoltà: Economia e management · Economics and Econometrics (LM-56)
Di cosa si tratta: Statistical learning e cross-validation introducono ridge, lasso, regressione sulle componenti principali e modelli a fattori. Il lasso e i modelli a fattori dinamici sono applicati all'inferenza causale. Seguono regression splines, smoothing splines, metodi ad albero e reti neurali, in un percorso che parte da una panoramica generale dell'apprendimento statistico.
Link affiliati Amazon di ricerca: il prezzo per te non cambia.
Domande possibili all’esame
Quali differenze esistono tra regressione Lasso e metodi di selezione stepwise nella scelta delle variabili?
Come si scelgono gli iperparametri di un modello con validazione incrociata a k blocchi?
Perché un modello può avere un errore di addestramento basso ma un errore di verifica elevato?
Come funziona una foresta casuale nella costruzione di più alberi su campioni bootstrap?
Che cosa si intende per importanza delle variabili in un modello ad albero?
Quali vantaggi offre il gradient boosting rispetto a un singolo albero decisionale?
In che modo le reti neurali apprendono i pesi con la retropropagazione dell'errore?
Come si confrontano modelli di classificazione con la curva ROC e l'area sotto la curva?
Perché la previsione con machine learning non basta a identificare un effetto causale?
Come si usa il metodo double machine learning per ridurre la distorsione da variabili di controllo?
Quali difficoltà pone l'inferenza statistica dopo una selezione data-driven delle variabili?
Come si può usare un modello di analisi del testo per misurare il sentiment economico?
Quando conviene preferire un modello lineare regolarizzato a una foresta casuale?
Come si gestiscono i dati mancanti prima di addestrare un modello predittivo?
Perché la standardizzazione delle variabili è importante per la stima dei coefficienti penalizzati?
Quali precauzioni servono per evitare la fuga di informazioni dal campione di verifica?
Come si valuta la robustezza di una previsione rispetto alla scelta dei dati di addestramento?
In che senso il machine learning può aiutare a scoprire relazioni non lineari tra variabili economiche?
Quali limiti hanno i modelli causali basati su alberi nella stima di effetti eterogenei?
Come si documenta una pipeline di analisi per renderla riproducibile da altri studiosi?
Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.
Domande frequenti Libri, programma ed esami del prof. Matteo Barigozzi a Bologna
Che libro usa il prof. Matteo Barigozzi per Machine Learning For Economists a Bologna?
Per Machine Learning For Economists (Canale unico) indica come obbligatorio: James – An Introduction to Statistical Learning with Applications…, Hastie – The Elements of Statistical Learning.
Quanto è impegnativo Machine Learning For Economists?
6 CFU, difficoltà stimata 5.1 su 10 rispetto agli esami della stessa area.
Dove trovo la scheda ufficiale di un esame?
Ogni insegnamento qui sopra ha il link alla scheda ufficiale dell’ateneo: controllala sempre prima di acquistare.
Sei uno studente tra i 18 e i 22 anni?Con Prime Student hai 90 giorni gratis, poi Amazon Prime a soli 2,49 € al mese: consegne veloci e gratuite anche sui libri.Scopri Prime Student ›
Controlla sempre la scheda dell'esame. Le informazioni vengono dalle schede ufficiali degli atenei e possono cambiare o contenere errori: prima di acquistare verifica i testi sulla scheda ufficiale dell'esame (la trovi linkata in ogni esame) e, nel dubbio, chiedi al docente.
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.
Questo sito usa solo strumenti tecnici (nessun cookie di profilazione). I link ai negozi sono link di affiliazione. Cookie policy · Privacy