Machine learning pour l'économétrie est un ouvrage destiné aux économistes qui souhaitent appréhender les techniques de machine learning modernes - de leurs performances en matière de prédiction au traitement révolutionnaire des données non structurées - afin d'établir des relations de causalité à partir des données.
Il aborde la sélection automatique de variables dans divers contextes de grande dimension, l'estimation de l'hétérogénéité des effets du traitement, les techniques de traitement du langage naturel (NLP), ainsi que le contrôle synthétique et les prévisions macroéconomiques.
Les fondements des méthodes de machine learning sont introduits de manière à proposer à la fois un traitement théorique approfondi de la façon dont elles peuvent être utilisées en économétrie, ainsi que de nombreuses applications économiques. Chaque chapitre contient une série d'exemples empiriques, de programmes et d'exercices pour faciliter l'adoption et la mise en oeuvre des techniques par le lecteur.
Ce livre s'adresse aux étudiants de master ou de grandes écoles, aux chercheurs et aux praticiens désireux de comprendre et perfectionner leur connaissance du machine learning pour l'appliquer dans un contexte traditionnellement réservé à l'économétrie.
Il n'y a pas encore de discussion sur ce livre
Soyez le premier à en lancer une !
80 ans après, il est toujours essentiel de faire comprendre cet événement aux plus jeunes
Selma ne vit que pour les chevaux et c’est à travers eux qu’elle traverse cette période violente si difficile à comprendre pour une adolescente...
"Osons faire des choses qui sont trop grandes pour nous", suggère Maud Bénézit, dessinatrice et co-scénariste de l'album
"L’Antiquité appartient à notre imaginaire", explique la romancière primée cette année
