経済学とコンピューターサイエンスⅡ

機械学習の手法とその経済学および統計的因果推論への応用について学習する。
教師あり学習の代表的なアルゴリズムを学び、その統計的因果推論・マクロ経済予測への応用を紹介する。
PythonまたはRを用いた演習を行い、講義で解説した手法を用いたデータ分析を実践する。

MIMA Search

授業計画

1. 序論: 機械学習とその経済学への応用 2. 回帰木・分類木 3. アンサンブル学習：バギング、ランダムフォレスト、ブースティング (1) 4. アンサンブル学習：バギング、ランダムフォレスト、ブースティング (2) 5. ニューラルネットワーク学習 (1) 6. ニューラルネットワーク学習 (2) 7. ニューラルネットワーク学習 (3) 8. ニューラルネットワーク学習 (4) 9. ニューラルネットワーク学習 (5) 10. 統計的因果推論の基礎 11. 機械学習の統計的因果推論への応用 12. 機械学習のマクロ経済予測への応用 13. バンディット問題講義内容は必要に応じて変更される可能性がある。

授業の方法

講義とパソコンを用いたデータ解析演習による。

成績評価方法

課題(50~60%)と期末レポート(40~50%)により評価する。

教科書

指定しない。

参考書

・Rによる統計的学習入門, 落海浩・首藤信通訳, 朝倉書店, 2018年 (原著改訂Python版: Gareth James・Daniela Witten・Trevor Hastie・Rob Tibshirani・Jonathan Taylor 著, An Introduction to Statistical Learning: with Applications in Python, Springer, 2023) ・深層学習(改訂第2版), 岡谷貴之著, 講談社, 2022年・これならわかる深層学習入門, 瀧雅人著, 講談社, 2017年その他の参考書は講義の中で適宜紹介する。

履修上の注意

統計学関連科目を履修済みであることが望ましい。講義に付随する演習としてプログラミング言語PythonまたはRを用いたデータ解析を行うが、プログラミングの知識・経験は前提としない。