Machine learning pour l'économétrie
'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 rela...
保存先:
| 主要な著者: | , |
|---|---|
| フォーマット: | Livre papier |
| 言語: | Français |
| 出版事項: |
Paris :
Economica
DL 2023.
|
| シリーズ: | Économie et statistiques avancées. Série École Nationale de la Statistique et de l'Administration Économique et Centre d'Études des Programmes Économiques
|
| 主題: | |
| Autres localisations: | Voir dans le Sudoc |
| LEADER | 03483nam a22002897a 4500 | ||
|---|---|---|---|
| 001 | 1140252 | ||
| 008 | 231110t20232023xxe ||| |||| 00| 0 fre d | ||
| 009 | PPN273080067 | ||
| 020 | |a 9782717872729 (br.) : |c 59 EUR | ||
| 024 | |a 9782717872729 | ||
| 041 | 0 | |a fre |b fre | |
| 082 | |a 330.015 | ||
| 082 | |a 330.015 195 | ||
| 100 | 1 | |a Gaillac, Christophe, |d 1989- | |
| 245 | 1 | 0 | |a Machine learning pour l'économétrie |c Christophe Gaillac, Jérémy L'Hour. |
| 260 | |a Paris : |b Economica, |c DL 2023. | ||
| 300 | |a 1 volume (IX-414 pages) : |b illustrations, tableaux, graphiques ; |c 24 cm. | ||
| 490 | 0 | |a Économie et statistiques avancées. Série École Nationale de la Statistique et de l'Administration Économique et Centre d'Études des Programmes Économiques | |
| 504 | |a Bibliographie en fin de chapitres. Index | ||
| 505 | 0 | |a P. 1 -- 1, Introduction -- P. 19 -- I, Prérequis statistiques -- P. 21 -- 2, Outils statistiques -- P. 57 -- 3, Inférence causale -- P. 73 -- II, Grande dimension et sélection de variables -- P. 75 -- 4, Inférence post-sélection -- P. 109 -- 5, Généralisation et méthodologie -- P. 129 -- 6, Grande dimension et endogénéité -- P. 149 -- 7, Pour aller plus loin -- P. 171 -- III, Hétérogénéité des effets du traitement -- P. 173 -- 8, Inférence sur les effets hétérogènes -- P. 221 -- 9, Apprendre la politique optimale -- P. 239 -- IV, Effets agrégés et prévision macroéconomique -- P. 241 -- 10, La méthode du contrôle synthétique -- P. 275 -- 11, Prévision en grande dimension -- P. 303 -- V, Données textuelles -- P. 309 -- 12, Travailler avec les données textuelles -- P. 335 -- 13, Représentation distribuée des mots -- P. 359 -- 14, Apprentissage supervisé -- P. 391 -- VI, Exercices -- P. 393 -- 15, Exercices -- P. 413 -- Index des théorèmes & lemmes | |
| 520 | |a '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 oeuvre 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. | ||
| 650 | |a Économétrie | ||
| 650 | |a Modèles économétriques | ||
| 650 | |a Apprentissage automatique | ||
| 650 | |a Manuels d'enseignement supérieur | ||
| 700 | 1 | |a L'Hour, Jérémy, |d 1990- |4 aut | |
| 997 | |0 1140252 |1 Livre papier |a Ressource papier |c 0/Orléans/ |c 1/Orléans/BU Droit, Economie, Gestion/ |z Orléans, BU Droit, Economie, Gestion, 330.015 GAI | ||