Ekonometria i nauka o danych: Zastosowanie technik Data Science do modelowania złożonych problemów i wdrażania rozwiązań dla problemów ekonomicznych

Ocena:   (3,0 na 5)

Ekonometria i nauka o danych: Zastosowanie technik Data Science do modelowania złożonych problemów i wdrażania rozwiązań dla problemów ekonomicznych (Chris Nokeri Tshepo)

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 2 głosach.

Oryginalny tytuł:

Econometrics and Data Science: Apply Data Science Techniques to Model Complex Problems and Implement Solutions for Economic Problems

Zawartość książki:

Poznaj zastosowanie metod uczenia maszynowego w badaniach makroekonomicznych. Ta książka łączy ekonomię i naukę o danych.

Autor Tshepo Chris Nokeri rozpoczyna od wprowadzenia do analizy kowariancji, analizy korelacji, walidacji krzyżowej, optymalizacji hiperparametrów, analizy regresji i analizy reszt. Ponadto przedstawia podejście do walki z współliniowością. Następnie obala model szeregów czasowych uznawany za model addytywny. Ujawnia technikę binaryzacji cech ekonomicznych w celu przeprowadzenia analizy klasyfikacyjnej przy użyciu regresji logistycznej. Wprowadza Ukryty Model Markowa, wykorzystywany do odkrywania ukrytych wzorców i wzrostu w światowej gospodarce. Autor demonstruje nienadzorowane techniki uczenia maszynowego, takie jak analiza składowych głównych i analiza skupień. Kluczowe koncepcje głębokiego uczenia się i sposoby tworzenia sztucznych sieci neuronowych są badane wraz z ich szkoleniem i oceną ich wydajności. Technika symulacji Monte Carlo jest stosowana do stymulowania siły nabywczej pieniądza w gospodarce. Wreszcie, model równań strukturalnych (SEM) jest rozważany w celu zintegrowania analizy korelacji, analizy czynnikowej, analizy wielowymiarowej, analizy przyczynowej i analizy ścieżek.

Po przeczytaniu tej książki powinieneś być w stanie rozpoznać związek między ekonometrią a nauką o danych. Będziesz wiedział, jak zastosować podejście oparte na uczeniu maszynowym do modelowania złożonych problemów ekonomicznych i innych wykraczających poza ramy tej książki. Będziesz wiedział, jak obejść i poprawić wydajność modelu, wraz z praktycznymi implikacjami podejścia uczenia maszynowego w ekonometrii, i będziesz w stanie poradzić sobie z palącymi problemami ekonomicznymi.

Czego się nauczysz

⬤ Badać złożone, wielowymiarowe, liniowe struktury przyczynowo-skutkowe za pomocą techniki analizy ścieżkowej i strukturalnej, w tym nieliniowości i stanów ukrytych.

⬤ Zapoznać się z praktycznymi zastosowaniami uczenia maszynowego i głębokiego uczenia w ekonometrii.

⬤ Zrozumienie ram teoretycznych i rozwoju hipotez oraz technik wyboru odpowiednich modeli.

⬤ Rozwijać, testować, weryfikować i ulepszać kluczowe nadzorowane (tj. regresja i klasyfikacja) i nienadzorowane (tj. redukcja wymiarów i analiza skupień) modele uczenia maszynowego, wraz z sieciami neuronowymi, modelami Markowa i SEM.

⬤ Przedstawiać i interpretować dane i modele.

Dla kogo jest ta książka

Początkujący i średnio zaawansowani analitycy danych, ekonomiści, inżynierowie uczenia maszynowego, statystycy i kadra kierownicza.

Dodatkowe informacje o książce:

ISBN:9781484274330
Autor:
Wydawca:
Język:angielski
Oprawa:Miękka oprawa
Rok wydania:2021
Liczba stron:228

Zakup:

Obecnie dostępne, na stanie.

Inne książki autora:

Wdrażanie uczenia maszynowego w finansach: Systematyczne podejście do predykcyjnej analizy ryzyka i...
Połączenie uczenia maszynowego (ML) i głębokiego...
Wdrażanie uczenia maszynowego w finansach: Systematyczne podejście do predykcyjnej analizy ryzyka i wydajności portfeli inwestycyjnych - Implementing Machine Learning for Finance: A Systematic Approach to Predictive Risk and Performance Analysis for Investment Portfolios
Data Science Revealed: Inżynieria cech, wizualizacja danych, rozwój potoków i dostrajanie...
Sekcja 1: Metody parametryczneRozdział 1: Wprowadzenie do...
Data Science Revealed: Inżynieria cech, wizualizacja danych, rozwój potoków i dostrajanie hiperparametrów - Data Science Revealed: With Feature Engineering, Data Visualization, Pipeline Development, and Hyperparameter Tuning
Ekonometria i nauka o danych: Zastosowanie technik Data Science do modelowania złożonych problemów i...
Poznaj zastosowanie metod uczenia maszynowego w...
Ekonometria i nauka o danych: Zastosowanie technik Data Science do modelowania złożonych problemów i wdrażania rozwiązań dla problemów ekonomicznych - Econometrics and Data Science: Apply Data Science Techniques to Model Complex Problems and Implement Solutions for Economic Problems
Data Science Solutions with Python: Szybkie i skalowalne modele wykorzystujące Keras, PySpark MLlib,...
Zastosuj uczenie nadzorowane i nienadzorowane do...
Data Science Solutions with Python: Szybkie i skalowalne modele wykorzystujące Keras, PySpark MLlib, H2O, XGBoost i Scikit-Learn - Data Science Solutions with Python: Fast and Scalable Models Using Keras, PySpark MLlib, H2O, XGBoost, and Scikit-Learn
Sztuczna inteligencja w naukach medycznych i psychologii: Z zastosowaniem języka maszynowego, wizji...
Rozpocznij przygodę ze sztuczną inteligencją w...
Sztuczna inteligencja w naukach medycznych i psychologii: Z zastosowaniem języka maszynowego, wizji komputerowej i technik Nlp - Artificial Intelligence in Medical Sciences and Psychology: With Application of Machine Language, Computer Vision, and Nlp Techniques
Tworzenie aplikacji internetowych i analityka internetowa w czasie rzeczywistym z Pythonem:...
Dowiedz się, jak tworzyć i wdrażać pulpity nawigacyjne...
Tworzenie aplikacji internetowych i analityka internetowa w czasie rzeczywistym z Pythonem: Tworzenie i integracja algorytmów uczenia maszynowego w aplikacjach internetowych - Web App Development and Real-Time Web Analytics with Python: Develop and Integrate Machine Learning Algorithms Into Web Apps

Prace autora wydały następujące wydawnictwa:

© Book1 Group - wszelkie prawa zastrzeżone.
Zawartość tej strony nie może być kopiowana ani wykorzystywana w całości lub w części bez pisemnej zgody właściciela.
Ostatnia aktualizacja: 2024.11.13 21:45 (GMT)