ECON3110 – Maskinlæring for økonomer

Emnet gir en innføring i maskinlæring med fokus på anvendelser i samfunnsøkonomi. Det legges både vekt på forståelse av sentrale algoritmer og hvordan man jobber praktisk med en arbeidsflyt i et prosjekt som benytter maskinlæring.

Emnet dekker algoritmer som er populære i samfunnsøkonomi som LASSO og andre regulariserte regresjonsmetoder og mer typiske maskinlæringsmetoder som random forest og boostingalgoritmer. Vi kommer også inn på nevrale nettverk og dyp læring. Videre dekker emnet metoder for modellevaluering som kryssvalidering og tilnærminger for å tilpasse modellparametere. Vi ser også på likheter og forskjeller mellom maskinlæring og økonometri og hvordan de to retningene kan komplementere hverandre.

Kunnskap

• Kunnskap om sentrale algoritmer i maskinlæring.
• Kjenne sentrale metoder for evaluering av modeller i maskinlæring, inkludert kryssvalidering og bootstrapping.

Ferdigheter

• Velge en algoritme i maskinlæring egnet til å analysere datatyper som ofte forekommer i samfunnsøkonomi.
• Kunne gjennomføre et praktisk prosjekt med å trene og evaluere en modell i maskinlæring.

Generell kompetanse

• Kjenne styrker og begrensingene med maskinlæring i anvendelser i samfunnsøkonomi.
• Avveie fordeler med maskinlæring i forhold til klassisk økonometriske tilnærminger.

Studenter må hvert semester søke og få plass på undervisningen og melde seg til eksamen i Studentweb.

Dersom du ikke allerede har studieplass ved UiO, kan du søke opptak til våre studieprogrammer, eller søke om å bli enkeltemnestudent.

Du kan ikke ta dette emnet hvis du tidligere har tatt visse ECON-emner på høyere nivå.

• ECON2130 - Statistikk 1, eller lignende.

• I tillegg til de obligatoriske forkunnskapskravene bygger dette emne på forkunnskaper i matematikk tilsvarende ECON1100 – Matematikk I. Studenter som ikke har slik forkunnskap, anbefales å ikke ta dette emnet.

Forelesninger og seminarer.

Det er anbefalt å ta med egen bærbar PC for å kunne delta på undervisningen og seminarene.

Obligatorisk aktivitet:

• Muntlig presentasjon i seminargruppe

Det er krav om fysisk oppmøte på campus i seminargruppens undervisning når man holder muntlig presentasjon.

Dersom du gjennomfører, men ikke får den obligatoriske aktiviteten godkjent, kan du få et nytt forsøk.

Hvis du får godkjent obligatorisk øvelsesoppgave, blir dette registrert. Du trenger ikke å levere øvelsesoppgaven på nytt, om du ønsker å ta opp eksamen.

Se Det samfunnsvitenskapelige fakultets regler for bytte av seminargrupper og retningslinjer for obligatoriske aktiviteter.

Fravær fra obligatorisk aktivitet:

Ved sykdom eller andre tungtveiende grunner kan du i noen tilfeller få innvilget utsettelse av obligatorisk aktivitet.

• Meld fra om fravær fra eller behov for utsettelse av obligatorisk aktivitet

Emneansvarlig kan ved starten av semesteret oppdatere pensumlisten ved å bytte ut inntil 3 artikler, uten at omfang og tematisk innhold av pensum endres vesentlig.

Pensum inkluderer også eventuelle forelesningsnotater som gjøres tilgjengelig i løpet av semesteret.

Eksamen i dette emnet er todelt og består av:

• en gruppeinnlevering (teller 40% av den endelige karakteren)
• en 5-timers hjemmeeksamen (teller 60% av den endelige karakteren)

Gruppen kan bestå av 2-3 personer, men man kan også velge å være alene. Tema for innleveringsoppgaven blir avklart tidlig i semesteret. Innleveringsfrist for gruppeinnlevering er mot slutten av semesteret, i forkant av hjemmeeksamen.

Du må ha bestått begge eksamener i det samme semesteret for å kunne få karakter.

Obligatorisk aktivitet må være godkjent for å kunne gå opp til eksamen.

Tidligere eksamensoppgaver og sensorveiledninger

Vi tilbyr utsatt eksamen samme semester hvis du blir syk eller har annet gyldig forfall på ordinær eksamen.

Se også informasjon om å ta eksamen på nytt.

Studenter som ønsker å ta eksamen på nytt et senere semester, er ikke garantert at kurset blir gitt med samme innhold og pensum, eller at eksamensordningen er den samme.