Lerninhalte finden
Features
Entdecke
Egal, ob Zusammenfassung, Altklausur, Karteikarten oder Mitschriften - hier findest du alles für den Studiengang Master of Science Economics
Universität Erlangen-Nürnberg
Master of Science Economics
Prof. Dr.
2024
Dein ergebnis
Du hast bereits ein Konto? Anmelden
Diese Einführung behandelt die Grundlagen der Mikroökonometrie, die essentielle Methoden und Konzepte zur Analyse individueller ökonomischer Verhaltensweisen umfasst.
Dieses Thema führt in die grundlegenden Konzepte und Techniken des maschinellen Lernens ein, die in der Ökonomie Anwendung finden.
Diese Einheit fokussiert sich auf Regressionsmodelle, die Kausalitätsanalyse und die Bewertung der zugrundeliegenden Annahmen.
Das Thema deckt die Erstellung und Evaluierung von Vorhersage- und Klassifikationsmodellen ab, einschließlich der Methoden zur Leistungsmessung.
Diese Einheit behandelt fortgeschrittene Methoden zur Identifikation kausaler Effekte und deren Anwendung in ökonomischen Studien.
Der Kurs 'Microeconometrics and Machine Learning' an der Universität Erlangen-Nürnberg bietet eine fundierte Einführung in die Kombination von mikroökonometrischen Methoden und maschinellem Lernen. Diese Vorlesung richtet sich an Studierende, die ihre Kenntnisse in der Ökonometrie vertiefen und gleichzeitig die Anwendung moderner maschineller Lernverfahren erlernen möchten. Die Lehrveranstaltung integriert theoretische Konzepte mit praktischen Anwendungen, um eine umfassende Lernerfahrung zu gewährleisten.
Kursleiter: Prof. Dr.
Modulstruktur: Die Vorlesung besteht aus Theorie- und Praxiseinheiten, wobei der Fokus auf der Anwendung von mikroökonometrischen Methoden und maschinellem Lernen liegt. Die Zeit wird ungefähr gleichmäßig zwischen Vorträgen und praktischen Übungen aufgeteilt.
Studienleistungen: Die Studienleistung wird in der Regel durch eine Klausur am Ende des Semesters geprüft. Es kann auch Projekte oder Fallstudien geben. Die Prüfung erfolgt durch eine schriftliche Abschlussklausur und regelmäßige Übungsaufgaben, die zur Bewertung herangezogen werden.
Angebotstermine: Die Vorlesung wird normalerweise im Wintersemester angeboten.
Curriculum-Highlights: Einführung in die Mikroökonometrie, Grundlagen des maschinellen Lernens, Anwendung von Ökonometrie in der Praxis, Regressionsanalyse und Kausalität, Modelle zur Vorhersage und Klassifikation, Evaluierung ökonometrischer Modelle, Lineare Regressionsmodelle, Probit- und Logit-Modelle, Paneldatenanalyse, Instrumentalvariablenansätze, Kausale Inferenzmethoden, Überwachtes Lernen, Unüberwachtes Lernen, Zeitreihenanalyse, Anwendung von maschinellem Lernen in der Ökonomie, Methoden zur Identifikation kausaler Effekte, Clusteranalyse und Klassifikationsverfahren
Beginne frühzeitig mit dem Lernen, idealerweise schon zu Beginn des Semesters, um Dir die nötige theoretische Basis anzueignen.
Nutze verschiedene Ressourcen, wie Bücher, Übungsaufgaben, Karteikarten und Probeklausuren, um dein Wissen zu vertiefen.
Schließe Dich Lerngruppen an und tausche Dich mit anderen Studierenden aus, um gemeinsam Lösungsstrategien zu entwickeln.
Vergiss nicht, regelmäßige Pausen einzulegen und in diesen Zeiten komplett abzuschalten, um eine Überbelastung zu vermeiden.
Jack G.
Sven M.
Max A.
Marie T.
Sie haben bereits ein Konto? Login
| Anwendung statistischer Methoden im Risikomanagement von Finanzinstituten | Kurs ansehen |
| Applied Econometrics | Kurs ansehen |
| Applied empirical health economics | Kurs ansehen |
| Asset liability management | Kurs ansehen |
| Banking supervision on Bank rating, stress testing, financial stability | Kurs ansehen |
| Bayesian econometrics | Kurs ansehen |
| Behavioral economics | Kurs ansehen |
| Combinatorial optimization | Kurs ansehen |
| Development economics | Kurs ansehen |
| Economic internship | Kurs ansehen |
Schule 
Studium 
Ausbildung 
Karteikarten 
StudySmarter AI 
Notizen 
Lernplan 
Spaced Repetition 
Lernsets 
Finde einen Job 
Ausbildungen 
Magazine 
Mobile App 
Für Unternehmen
Marie T.