Подпишитесь на телеграмм-канал про ИИ в образовании: Егошин | Кеды профессора
Курс находится на модерации. Данные могут быть неактуальны.
Сложность
Сложность
Начинающий
Тип обучения
Тип обучения
Курс
Формат обучения
Формат обучения
Записанные лекции
Трудоустройство
Трудоустройство
Отсутствует
Сертификат
Сертификат
Да

Стоимость курса

3 600 ₽
нет рассрочки

Что вы получите после обучения

Приобретаемые навыки
1
Регрессионный анализ с использованием языка R
2
МНК
3
Мультиколлинеарность и гетероскедастичность
4
Байесовские методы в машинном обучении
5
MCMC

Вас будут обучать

Магистр Должность: Старший преподаватель Департамента прикладной экономики, Факультет экономических наук

Борис Демешев — старший преподаватель кафедры математической экономики и эконометрики, департамент прикладной экономики. Окончил бакалавриат и магистратуру Высшей Школы Экономики в 2003 году по специальности «Математические методы анализа экономики».

Борис имеет большой опыт (более 10 лет) преподавания. Преподаёт эконометрику, теорию вероятностей и стохастический анализ. Он неоднократно становился победителем конкурса Высшей Школы Экономики «Лучший преподаватель». Проходил стажировки в Лондонской Школе Экономики по эконометрике и стохастическому анализу в финансах, в Университете Собронна-1 в Париже и в Университете города Лукка в Италии. в В 2009–2010 годах преподавал математическую статистику в Католическом Университете города Луван-ля-Нёв в Бельгии.

Борис создал и поддерживает блог pokrovka11.wordpress.com, где выкладываются материалы по различным предметам кафедры, а также новости в мире программирования.

Он прекрасно ориентируется в современных компьютерных технологиях в целом, публикует в открытом доступе материалы к своим семинарам (эконометрика, теория вероятностей). В своих курсах Борис учит студентов пользоваться статистическим пакетом R, показывая, как в реальности можно применять полученные в ходе обучения знания.

Научные интересы Бориса лежат в области анализа данных, байесовских методов, стохастического анализа и эконометрики. Сейчас Борис работает над своей кандидатской диссертацией. Недавно с Дмитрием Борзых Борис выпустил задачник по эконометрике, где студентам предлагаются как теоретические, так и практические упражнения.

Профессиональные интересы:

визуализация данных

байесовский подход

Образование 

2003

Магистратура: Высшая школа экономики, факультет: Экономика, специальность «Математические методы анализа экономики»

2001 

Бакалавриат: Высшая школа экономики, факультет: Экономика, специальность «Экономика»

Дополнительное образование / Повышение квалификации / Стажировки

Курс "Econometrics in R", лектор Д. Фантаццини, сентябрь-октябрь 2014, НИУ ВШЭ

Курс "Spatial Econometrics", лектор А.К.Бера, университет Иллинойса, США, 2-6 июня 2014, НИУ ВШЭ 

Летняя Школа Университета Эссекса, Великобритания, "Иерархические модели", август 2012

Награды и достижения 

Июль 2010 г. Победитель конкурса Фонда образовательных инноваций НИУ ВШЭ с проектом дистанционной образовательной программы по курсу "Моделирование аукционов".
Ноябрь 2011 г. Победитель конкурса Фонда образовательных инноваций НИУ ВШЭ с оригинальной разработкой "Серия Screencast по эконометрическому моделированию для магистрантов нематематических и практико-ориентированных специализаций факультета экономики в свободно распространяемом кроссплатформенном эконометрическом пакете Gretl" (в соавторстве с Вакуленко Е.С. и Ратниковой Т.А.).
Медаль "Признание - 15 лет успешной работы" НИУ ВШЭ (январь 2018)
Благодарность Высшей школы экономики (ноябрь 2013)
Благодарность Высшей школы экономики (декабрь 2012)
Лучший преподаватель – 2019, 2018, 2017, 2016, 2015, 2014, 2013, 2012, 2011
Надбавка за академическую работу (2017-2018, 2016-2017, 2015-2016)

Образовательная организация

Образовательная платформа «Академика» — более 200 онлайн-курсов от известных вузов и компаний. На “Академике” на данный момент представлено 8 ключевых направлений по таким темам, как разработка, дизайн, маркетинг, фотография.  Создано Skillbox (входит в экосистему VK).

Программа курса

Метод наименьших квадратов, или Рабочая лошадка эконометриста. Введение в R
Ценные ресурсы.
Суть метода наименьших квадратов.
Геометрия МНК.
R: введение и МНК.
Статистические свойства оценок коэффициентов
Условная дисперсия и условное математическое ожидание.
Построение доверительных интервалов и проверка гипотез.
R: проверка гипотез и загрузка данных.
Дамми-переменные, сравнение вложенных моделей
Прогнозирование и дамми-переменные.
Линейные ограничения и пропущенные переменные.
R: графики, построение прогнозов и наноисследование.
Мультиколлинеарность
Мультиколлинеарность: понятие и методы борьбы.
R: методы борьбы с мультиколлинеарностью.
Гетероскедастичность
Гетероскедастичность: понятие и последствия.
Тесты на гетероскедастичность.
R: создание функций и циклов, проверка на гетероскедастичность.
Автокорреляция
Автокорреляция: понятие, последствия и тесты.
R: даты и временные ряды, загрузка данных и тесты на автокорреляцию.
Практическое задание по реальным данным RLMS.
Метод максимального правдоподобия. Модели бинарного выбора
Метод максимального правдоподобия: суть и использование.
Логит-модель: вид, оценивание и интерпретация.
R: качественные переменные, предельные эффекты и ROC-кривая.
Стационарные временные ряды
Определение стационарности, AR- и MA-процессы.
Проверка на стационарность, прогнозирование и ARMA-процесс.
R: примеры анализа временных рядов.
Эндогенность
Эндогенность: определение, причины и методы борьбы.
R: деление выборки на две части и двухшаговый МНК.
Нестандартные сюжеты
Нестандартные регрессии и алгоритм случайного леса.
Байесовский подход, апостериорное распределение и MCMC.
R: реализация описанных методов.

 

 

Рейтинг курса

2.9
рейтинг
0
0
0
0
0

Может быть интересно

обновлено 20.01.2025 09:54
Эконометрика

Эконометрика

Оставить отзыв
Поделиться курсом с друзьями