Departamentos
Disciplina: ECO074 - APRENDIZADO DE MÁQUINA PARA ECONOMIA
Carga horária: 60
Departamento: DEPTO DE ECONOMIA /ECO
Plano de Ensino
Ementa
Introduzir os participantes às principais ferramentas usadas em inteligência artificial para construção de algoritmos de aprendizado computacional. O curso dá ênfase em aplicações na área de economia, estendendo também para tópicos de interesse em administração e finanças. O foco das aplicações são problemas típicos de previsão, regressão, classificação e alguns outros problemas multivariados de reconhecimento de padrão.
Conteúdo
1. História da Inteligência Artificial: Surgimento do computador digital. Sistemas especialistas versus aprendizado de máquina. Aprendizado profundo (deep learning). Dados estruturados, não-estruturados e Big Data. 2. Introdução ao cérebro humano e o sistema neuronal: aspectos biológicos e psicológicos. Mente consciente e inconsciente. Aspectos funcionais e de processamento de informação. A visão de Michael Polanyi sobre conhecimentos explícito e tácito. 3. Redes Neurais artificiais: Reconhecimento de padrões. Tipos de aprendizado. Modelo de neurônio e perceptron. Algoritmo de aprendizado. Validação cruzada. Perceptron multicamadas. Redes recorrentes e back propagation. Arquitetura de redes e aprendizado profundo. Mapas de Kohonen. Aplicações das RNAs em economia. 4. Aprendizado Estatístico. 4.1 Aprendizado supervisionado: regressão linear; métodos de classificação (análise discriminante e regressão logística); uso de validação cruzada e bootstrap; seleção de modelos de regressão; métodos de encolhimento (regressão ridge e lasso); árvores de regressão e classificação; método de bagging; florestas aleatórias e máquinas de vetores de suporte. 4.2 Aprendizado não-supervisionado: métodos de análise de clusters. 5. Implementação computacional: Linguagem R. Aplicações em economia. 6. Machine Learning, economia e econometria. Análise de textos selecionados.
Bibliografia
Ciaburro, Giuseppe e Venkateswaran, Balaji. Neural networks with R. Birmingham: Packt Publishing. 2017.
Gareth, James; Witten, Daniella; Hastie, Trevor; e Tibshirani, Robert. An introduction to statistical learning with applications in R. Nova York: Springer. 2013.
Hawking, Simon. Redes Neurais: princípios e práticas. 2ª edição. Porto Alegre: Bookman. 2003.
Bibliografia(continuação)
Não informado
Bibliografia complementar
Athey, Susan e Imbens, Guido. Machine learning methods that economists should know about. Annual Review of Economics 11:685–725. 2019.
Athey, Susan. The impact of machine learning on economics. In Ajay Agrawal, Joshua Gans, and Avi Goldfarb (editors). The Economics of Artificial Intelligence: An Agenda. p. 507 – 547. 2019.
Hawking, Simon. Neural Networks and Learning Machines. 3rd Edition. New York: Pearson/Prentice-Hall. 2009.
Mullainathan , Sendhil e Spiess, Jann. Machine Learning: An applied econometric approach. Journal of Economic Perspectives 31 (2): 87–106. 2017.
Segaran, Tobin. Programming collective intelligence. Cambridge: O’Reilly. 2007.