Frühling
2026
SOK-3023 Maskinlæring for økonomer - 5 stp
Course content
Dette kurset gir en grunnleggende introduksjon til maskinlæringsteknikker skreddersydd for økonomer. Studenter vil utforske både klassiske og moderne maskinlæringsmetodikker som kan brukes for å avdekke komplekse økonomiske fenomener. Ved å gjennomgå metodikken fra både veiledet, ikke-veiledet og dype læringsmodeller, sikrer vi at studenten får en bred og nyansert forståelse av disse beregningsverktøyene. Med praktiske øvelser i både Python og R, vil studentene tilegne seg ikke bare teoretisk kunnskap, men også de praktiske ferdighetene som er nødvendige for anvendelsen av disse metodene i virkelige økonomiske sammenhenger.Objective of the course
Kunnskap
Studenten
- har en god forståelse av grunnlaget og nyansene av klassiske maskinlæringsmetoder, deres anvendelser, styrker og begrensninger.
- har skaffet seg innsikt i de fremvoksende paradigmer innen dyp læring og deres relevans for økonomiske analyser og prognoser.
- forstår de grunnleggende forskjellene og sammenhengene mellom tradisjonelle økonometriske teknikker og maskinlæringstilnærminger.
- er kjent med empirisk litteratur som bruker maskinlæringsteknikker for å løse aktuelle økonomiske problemstillinger.
Ferdigheter
Studenten
- har evnen til å anvende maskinlæringsmodeller, både innen klassisk og dyp læring, for å analysere, forutsi og tolke økonomiske fenomener.
- kan utnytte kraften i Python og R for å implementere maskinlæringsalgoritmer, forhåndsbehandle data og visualisere resultater.
- kan validere og evaluere ytelsen til forskjellige maskinlæringsmodeller i økonomiske scenarioer.
- kan oversette komplekse maskinlæringsresultater til meningsfulle økonomiske innsikter og anbefalinger.
Kompetanse
Studenten
- oppnår praktisk erfaring i design, implementering, og tolkning av maskinlæringsalgoritmer tilpasset økonomiske problemer, ved bruk av moderne programvaremiljøer og algoritmer.
- kan dyrke et kritisk perspektiv som gjør det mulig å skille når man skal anvende maskinlæring kontra tradisjonelle økonometriske metoder.
- kan bestemme den mest passende maskinlæringsmodellen og forhåndsbehandlingsteknikkene for spesifikke økonomiske datasett og spørsmål.
- kan formulere, teste, og validere maskinlæringsdrevne økonomiske hypoteser og trekke begrunnede konklusjoner.
Schedule
Eksamen
| Vurderingsform: | Vekting: | Varighet: | Karakterskala: |
|---|---|---|---|
| Muntlig eksamen | 5/10 | 30 Minutter | A–E, stryk F |
| Oppgave | 5/10 | A–E, stryk F | |
Obligatoriske arbeidskrav:Følgende arbeidskrav må være gjennomført og godkjent før man kan framstille seg til eksamen: |
|||
| Presentasjon av prosjekt | Godkjent – ikke godkjent | ||