Cette référence décrit le catalogue indiqué. Consultez l’établissement pour confirmer l’offre actuelle et les conditions applicables à votre rentrée.
Description
Méthodes empiriques : Apprentissage automatique en économie et en affaires Introduction à l’apprentissage statistique « moderne » et à la modélisation prédictive sous les angles statistique, théorique et computationnel ; avec applications. Les sujets peuvent inclure les méthodes de régression linéaire et locales (basées sur les voisins), la régression logistique et l’analyse discriminante pour la classification, la validation croisée et les méthodes de rééchantillonnage bootstrap, la sélection de modèles et la régularisation, les arbres de classification et les machines à vecteurs de support. Cours magistral, laboratoire, 4 heures par semaine. Restriction : ouvert aux majeures ECON (simple ou combinée), ECAN, BBE, INPE et aux mineurs ECON jusqu’à la date spécifiée dans le guide d’inscription. Prérequis : ECON 2P30 ou 3P91 ; ECON 3P90 . Remarque : ce cours peut être offert selon plusieurs modes d’enseignement. Le mode d’enseignement sera indiqué dans l’horaire académique, pour le trimestre applicable. L’achèvement de ce cours remplacera la note et les crédits précédemment attribués obtenus en
Préalables
- Prérequis : ECON 2P30 ou 3P91 ; ECON 3P90 .
Conditions et modalités
- Restriction : ouvert aux majeures ECON (monodisciplinaires ou combinées), ECAN, BBE, INPE et aux mineures ECON jusqu’à la date précisée dans le guide d’inscription.
- Prérequis : ECON 2P30 ou 3P91 ; ECON 3P90 .
- Remarque : ce cours peut être offert selon plusieurs modes d’enseignement. Le mode d’enseignement sera indiqué dans l’horaire académique, pour le trimestre applicable. L’achèvement de ce cours remplacera la note et les crédits précédemment attribués obtenus en
Texte de référence dans sa langue d’origine
Empirical Methods: Machine Learning in Economics and Business Introduction to "modern" statistical learning and predictive modeling from statistical, theoretical, and computational perspectives; with applications. Topics may include linear and local (neighbour-based) regression methods, logistic regression and discriminant analysis methods of classification, cross validation and bootstrap resampling methods, model selection and regularization, classification trees, and support vector machines. Lectures, lab, 4 hours per week. Restriction: open to ECON (single or combined), ECAN, BBE, INPE majors and ECON minors until date specified in Registration guide. Prerequisite(s): ECON 2P30 or 3P91 ; ECON 3P90 . Note: this course may be offered in multiple modes of delivery. The method of delivery will be listed on the academic timetable, in the applicable term.Completion of this course will replace previous assigned grade and credit obtained in
- Prerequisite(s): ECON 2P30 or 3P91 ; ECON 3P90 .
- Restriction: open to ECON (single or combined), ECAN, BBE, INPE majors and ECON minors until date specified in Registration guide.
- Note: this course may be offered in multiple modes of delivery. The method of delivery will be listed on the academic timetable, in the applicable term.Completion of this course will replace previous assigned grade and credit obtained in
Sources et références
Les dates et les sources sont conservées pour vous aider à vérifier les renseignements. Les traductions sont proposées pour faciliter la lecture; la source officielle fait référence pour les conditions et les exigences.
Référence source : https://brocku.ca/webcal/2024/undergrad/econ.html