Referensi ini menggambarkan katalog yang disebutkan. Hubungi lembaga untuk mengonfirmasi penawaran saat ini dan ketentuan yang berlaku untuk pendaftaran Anda.
Deskripsi
Metode Empiris: Pembelajaran Mesin dalam Ekonomi dan Bisnis Pengenalan kepada pembelajaran statistik "modern" dan pemodelan prediktif dari perspektif statistik, teoretis, dan komputasional; dengan aplikasi. Topik dapat mencakup metode regresi linier dan lokal (berbasis tetangga), regresi logistik dan metode analisis diskriminan untuk klasifikasi, metode cross validation dan resampling bootstrap, pemilihan model dan regularisasi, pohon klasifikasi, dan mesin vektor pendukung. Kuliah, praktikum, 4 jam per minggu. Pembatasan: terbuka untuk jurusan ECON (tunggal atau gabungan), ECAN, BBE, INPE dan minor ECON sampai tanggal yang ditentukan dalam panduan Pendaftaran. Prasyarat: ECON 2P30 atau 3P91 ; ECON 3P90 . Catatan: mata kuliah ini mungkin ditawarkan dalam beberapa mode penyampaian. Metode penyampaian akan tercantum pada jadwal akademik, pada periode yang berlaku. Penyelesaian mata kuliah ini akan menggantikan nilai dan kredit yang diberikan sebelumnya pada
Prasyarat
- Prasyarat: ECON 2P30 atau 3P91 ; ECON 3P90 .
Syarat dan ketentuan
- Pembatasan: terbuka untuk jurusan ECON (mandiri atau gabungan), ECAN, BBE, INPE dan minor ECON sampai tanggal yang ditentukan dalam panduan Pendaftaran.
- Prasyarat: ECON 2P30 atau 3P91 ; ECON 3P90 .
- Catatan: mata kuliah ini mungkin ditawarkan dalam beberapa mode penyampaian. Metode penyampaian akan tercantum pada jadwal akademik, pada periode yang berlaku. Penyelesaian mata kuliah ini akan menggantikan nilai dan kredit yang diberikan sebelumnya pada
Teks rujukan dalam bahasa aslinya
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
Sumber dan referensi
Tanggal dan sumber disimpan untuk membantu Anda memverifikasi informasi. Terjemahan disediakan untuk memudahkan pembacaan; sumber resmi menjadi rujukan untuk syarat dan ketentuan.
Referensi sumber : https://brocku.ca/webcal/2024/undergrad/econ.html