Moses - Modulbeschreibung ohne Titel

Zur Modulseite PDF generieren

Modul / Version
#70382 / #2

Gültigkeit
SoSe 2020 - WiSe 2021/22

Verfügbare Sprache(n)
Deutsch, Englisch

Titel des Moduls
Econometrics and Machine Learning

Leistungspunkte
6

Modulverantwortliche*r
Andresen, Anna

Benotung
Benotet

Prüfungsform
Schriftliche Prüfung

Lehrsprache(n)
Englisch

Zugehörigkeit

Fakultät
Fakultät VII

Institut
Institut für Volkswirtschaftslehre und Wirtschaftsrecht

Fachgebiet
37312400 FG Digitale Währungen / Kryptowährungen

Prüfungsausschuss
Volkswirtschaftslehre

Kontakt

Sekretariat
EN 17

Ansprechpartner*in
Andresen, Anna

E-Mail-Adresse
anna.almosova@tu-berlin.de

Webseite
Keine Angabe

Diese Modulbeschreibung gilt nicht im aktuellen Semester.

Die Modulbeschreibung gilt nur für den Zeitraum SoSe 2020 - WiSe 2021/22.

Lernergebnisse

Das Modul beschäftigt sich mit den Methoden aus dem Bereich Maschinelles Lernen (ML) und deren ökonomischen Anwendungen. Die Grundkenntnisse der ML Methoden werden vermittelt, sie werden mit klassischen statistischen Methoden verglichen. Die Studenten werden die Möglichkeit haben, die erlernten Methoden anzuwenden. Benötigte Kenntnisse von der Programmiersprache Python und den geeigneten Paketen werden ebenfalls vermittelt.

Lehrinhalte

Die Vorlesung wird sich mit der theoretischen Basis von unterschiedlichen ML Methoden auseinandersetzten: Klassifikations- und Regressionsbäume, LASSO, k-nearest-neighbors, neuronale Netze und SVMs werden unter anderem besprochen. Die Grundprinzipien des Kreuzvalidierungsverfahrens, out-of-sample accuracy und Wahrscheinlichkeitstheorie werden vermittelt und benutzt. Die Übungen befassen sich mit realen wirtschaftlichen Problemen und zeigen, wie man mithilfe der Programmiersprache Python maschinelle Lerntechniken auf diese Probleme anwendet.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

Lehrveranstaltungen	Art	Nummer	Turnus	Sprache	SWS	ISIS	VVZ
Machine Learning Methods for Economists	IV	3731 L 10560	SoSe	en	4

ISIS-Kurssuche nach Veranstaltungen des Moduls

Arbeitsaufwand und Leistungspunkte

Machine Learning Methods for Economists (IV):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Präsenzzeit	15.0	4.0h	60.0h
Vor-/Nachbereitung	15.0	8.0h	120.0h
			180.0h(~6 LP)

Der Aufwand des Moduls summiert sich zu 180.0 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Vorlesungen, die sich mit der Theorie und Beispielen beschäftigen, Übungen mit Computeraufgaben, Hausaufgaben mit sowohl einem theoretischen als auch einem empirischen Teil.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Grundkenntnisse von Statistik, Mathematik, Ökonometrie. Kenntnisse einer Programmiersprache sind erwünscht. Bachelorstudierende können den Kurs nach Absprache ebenso absolvieren.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Schriftliche Prüfung

Sprache(n)

Englisch

Dauer/Umfang

120 Minuten

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt:
1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden:
Sommersemester.

Maximale teilnehmende Personen

Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.

Anmeldeformalitäten

Zur Teilnahme am Modul ist keine Anmeldung erforderlich.

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit: nicht verfügbar

Skript in elektronischer Form

Verfügbarkeit: nicht verfügbar

Literatur

Empfohlene Literatur
Keine empfohlene Literatur angegeben

Zugeordnete Studiengänge

Semester:

Zeige auch ausgelaufene Studiengänge und StuPOs

Diese Modulversion wird in folgenden Studiengängen verwendet:

	Studiengang / StuPO	StuPOs	Verwendungen	Erste Verwendung	Letzte Verwendung
Dieses Modul findet in keinem Studiengang Verwendung.

Studierende anderer Studiengänge können dieses Modul ohne Kapazitätsprüfung belegen.

Sonstiges

Keine Angabe