נקודות זכות באוניברסיטה העברית: 3

תואר: מוסמך

היחידה האקדמית שאחראית על הקורס: כלכלה

סמסטר: סמסטר ב'

שפת ההוראה: עברית

קמפוס: הר הצופים

מורה אחראי על הקורס (רכז): איתמר כספי

דוא"ל של המורה האחראי על הקורס: itamar.caspi@mail.huji.ac.il

שעות קבלה של רכז הקורס: בתאום מראש

מורי הקורס:
ד"ר איתמר כספי

תאור כללי של הקורס:
הקורס יכסה נושאים שבטווח בין למידת מכונה ואקונומטריקה. בפרט, נדון במושגים ושיטות מעולם למידת המכונה שעשויים לתרום לעבודתם של כלכלנים אמפיריים. הקורס יכסה מספר שיטות למידת מכונה (מונחית ולא מונחית) מובילות, תוך מתן דגש מיוחד לאתגרים וההזדמנויות בשילוב שיטות אלו בכלכלה אמפירית, ובפרט להתאמות הנדרשות לשיטות אלו לצרכי ניתוח מדיניות והסקת סיבתיות. הנושאים השונים מודגמים באמצעות יישומים, קריאה של מאמרים אמפיריים, וביצוע תרגילי בית מעשיים.
דרישת קדם לקורס: אקונומטריקה א' למוסמך.

מטרות הקורס:
(1) לפתח היכרות מעמיקה ומעשית עם האתגרים וההזדמנויות שעולים בעבודות אמפיריות בכלכלה שכוללות שימוש בבסיסי נתונים גדולים (Big data); (2) ללמד כיצד ניתן לשלב טכניקות ותובנות מעולם למידת המכונה בעבודות אמפיריות בכלכלה.

תוצרי למידה :
בסיומו של קורס זה, סטודנטים יהיו מסוגלים:
(1) להבין את האתגרים הטכניים והאקונומטריים הנלווים לשימוש בבסיסי נתונים גדולים; (2) להבחין בין המטרות של למידת מכונה ואקונומטריקה, ובפרט את ההבדל בין חיזוי (prediction) והסבר (explanation); (3) לרתום שיטות מעולם למידת המכונה לטובת שימושים במחקרים אמפיריים בכלכלה.

דרישות נוכחות (%):
80

שיטת ההוראה בקורס: הרצאות, תרגילי בית אמפיריים, נוכחות ועבודה עקבית לאורך הסמסטר נדרשים.

רשימת נושאים / תכנית הלימודים בקורס:
הערה: הרשימה טנטטיבית ועשויה להשתנות

1. Introduction to R, RStudio and the Tidyverse
2. Version control and Git(Hub)
3. Linear regression and classification
4. Regularization and Model selection
5. Nonparametric Methods
6. Factorization
7. Text as Data
8. Prediction in Aid of Estimation
9. Prediction Policy
10. Reinforcemnt learning
11. The Economics of AI

חומר חובה לקריאה:
מאמרים כפי שיפורט בכיתה (ראו אתר המודל לרשימה טנטטיבית והפניות).

חומר לקריאה נוספת:

מרכיבי הציון הסופי :
הגשת עבודה מסכמת / פרויקט גמר / מטלת סיכום / מבחן בית / רפרט % 40
מטלות הגשה במהלך הסמסטר: תרגילים / עבודות / מבדקים / דוחות / פורום / סימולציה ואחרות % 40
אחר % 20

מידע נוסף / הערות:
הרכב הציון הסופי כפי שמופיע למעלה עשוי להשתנות.