Descripción
El autor Tshepo Chris Nokeri comienza presentándole el análisis de covarianza, el análisis de correlación, la validación cruzada, la optimización de hiperparámetros, el análisis de regresión y el análisis residual. Además, presenta un enfoque para lidiar con la multicolinealidad. Luego desmiente un modelo de series temporales reconocido como el modelo aditivo. Revela una técnica para binarizar una característica económica para realizar un análisis de clasificación utilizando regresión logística. Introduce el modelo oculto de Markov, utilizado para descubrir patrones ocultos y crecimiento en la economía mundial. El autor demuestra técnicas de aprendizaje automático no supervisado, como el análisis de componentes principales y el análisis de clústeres. Se exploran conceptos clave de aprendizaje profundo y formas de estructurar redes neuronales artificiales, junto con su entrenamiento y evaluación de su rendimiento. La técnica de simulación de Monte Carlo se aplica para estimular el poder adquisitivo del dinero en una economía. Por último, se considera el Modelo de Ecuaciones Estructurales (SEM) para integrar el análisis de correlación, el análisis factorial, el análisis multivariante, el análisis causal y el análisis de trayectoria.
Después de leer este libro, debería poder reconocer la conexión entre la econometría y la ciencia de datos. Sabrá cómo aplicar un enfoque de aprendizaje automático para modelar problemas económicos complejos y otros más allá de este libro. Sabrá cómo evitar y mejorar el rendimiento del modelo, junto con las implicaciones prácticas de un enfoque de aprendizaje automático en econometría, y podrá abordar problemas económicos apremiantes.
Lo que aprenderá
- Examinar estructuras complejas, multivariadas y lineales-causales a través de la técnica de análisis de trayectoria y estructural, incluyendo la no linealidad y los estados ocultos
- Familiarizarse con las aplicaciones prácticas del aprendizaje automático y el aprendizaje profundo en econometría
- Comprender el marco teórico y el desarrollo de hipótesis, y las técnicas para seleccionar modelos apropiados
- Desarrollar, probar, validar y mejorar modelos clave de aprendizaje automático supervisado (es decir, regresión y clasificación) y no supervisado (es decir, reducción de dimensión y análisis de clústeres), junto con redes neuronales, Markov y modelos SEM
- Representar e interpretar datos y modelos
Para quién es este libro
Científicos de datos principiantes e intermedios, economistas, ingenieros de aprendizaje automático, estadísticos y ejecutivos de negocios
Autor: Tshepo Chris Nokeri
Editorial: Apress
Publicado: 27/10/2021
Páginas: 228
Tipo de encuadernación: Tapa blanda
Peso: 0,96 lbs
Tamaño: 10,00 alto x 7,00 ancho x 0,52 fondo
ISBN13: 9781484274330
ISBN10: 1484274334
Categorías BISAC:
- Matemáticas | Probabilidad y Estadística | General
- Negocios y Economía | Econometría
- Informática | Lenguajes | Python
Acerca del Autor
Tshepo Chris Nokeri aprovecha el big data, el análisis avanzado y la inteligencia artificial para fomentar la innovación y optimizar el rendimiento empresarial. En su trabajo funcional, ha entregado soluciones complejas a empresas en las industrias minera, petrolera y manufacturera. Inicialmente completó una licenciatura en gestión de la información. Luego se graduó con una licenciatura con honores en ciencias empresariales en la Universidad de Witwatersrand con una beca prestigiosa de TATA y un Premio al Mérito de Posgrado de Wits. Fue galardonado por unanimidad con el Premio Oxford University Press. Es autor de dos libros de Apress: Data Science Revealed: With Feature Engineering, Data Visualization, Pipeline Development, and Hyperparameter Tuning, y Implementing Machine Learning for Finance: A Systematic Approach to Predictive Risk and Performance Analysis for Investment Portfolios.
Este título no es retornable