Machine learning pour l'économétrie

Christophe Gaillac, Jérémy L'hour - Collection Economie et statistiques avancées

420 pages, parution le 16/10/2023

Ajouter à une liste

Expédié sous 24h

Livraison à partir de 0,01€ dès 35€ d'achats
Pour une livraison en France métropolitaine

Retrait à la librairie - Paris 5e

Disponible dans la journée

QUANTITÉ

Résumé

Machine learning pour l'économétrie est un ouvrage destiné aux économistes qui souhaitent appréhender les techniques de machine learning modernes - de leurs performances en matière de prédiction au traitement révolutionnaire des données non structurées - afin d'établir des relations de causalité à partir des données.
Il aborde la sélection automatique de variables dans divers contextes de grande dimension, l'estimation de l'hétérogénéité des effets du traitement, les techniques de traitement du langage naturel (NLP), ainsi que le contrôle synthétique et les prévisions macroéconomiques.
Les fondements des méthodes de machine learning sont introduits de manière à proposer à la fois un traitement théorique approfondi de la façon dont elles peuvent être utilisées en économétrie, ainsi que de nombreuses applications économiques. Chaque chapitre contient une série d'exemples empiriques, de programmes et d'exercices pour faciliter l'adoption et la mise en œuvre des techniques par le lecteur.
Ce livre s'adresse aux étudiants de master ou de grandes écoles, aux chercheurs et aux praticiens désireux de comprendre et perfectionner leur connaissance du machine learning pour l'appliquer dans un contexte traditionnellement réservé à l'économétrie.

Caractéristiques techniques

	PAPIER
Éditeur(s)	Economica
Auteur(s)	Christophe Gaillac, Jérémy L'hour
Collection	Economie et statistiques avancées
Parution	16/10/2023
Nb. de pages	420
Format	15.5 x 24
Couverture	Broché
Poids	650g
EAN13	9782717872729