您的瀏覽器不支援Javascript,部分功能將無法呈現。

:::

最新消息

:::

會議活動
  • 標題:2018 年經濟計量實證研習營 (已確定開課)
  • 公告日期:2018-06-08

 2018 年經濟計量實證研習營】

    期:2018  8  30  (週四 8  3 (週五
    點:國立臺灣大學管理學院二號館 104 教室
主辦單位:臺灣經濟計量學會 ( http://www.tesociety.org.tw/main.php )

 1. 課程規劃
       (1) 梯度提升與隨機森林 R 語言實做(程式範例:RWhy Gradient Boosting and Random Forest Work?
                   課程日期: 30 (週四)
                   課程講師:楊睿中教授 (國立清華大學經濟學系)

(2) 給經濟、財務、與會計研究者的文字分析與探勘(程式範例:Python3
                   課程日期: 31 (週五)
                   課程講師:盧信銘教授  (國立臺灣大學資訊管理學系)

本課程每日上課六小時 (9   - 1214   - 17且由主辦單位提供午餐 (12   - 14)。此外,課程結束後一週,學會將寄發學習證書給予參加課程的學員,以資證明。

 2. 課程費用
           (1) 社會人士、教授:
               8  10 日前報名完成,單日:新臺幣 2,500 元、雙日:新臺幣 4,800 元。
              8 月 10 日後報名完成,單日:新臺幣 3,000 元、雙日:新臺幣 5,800 元。
           (2) 學生憑證單日:新臺幣 2,000 元、雙日:新臺幣 3,800 元。
3. 報名網址 (報名截止日期:20188/15 )

我要參加 2018 年經濟計量實證研習營

4. 繳費、退費說明及停課標準

l   線上報名後請匯款至本會華南銀行帳戶,匯款戶名:台灣經濟計量學會,匯款帳號:154-10-000629-3 (華南銀行代號:008;台大分行)。線上報名且繳費後請將以下報名相關訊息E-mail 至 tes@sinica.edu.tw  
(1)姓名 (2)匯款金額 (3)匯款日期 (4)匯款帳戶後五碼或是匯款單掃描檔 (5)如果為學生身份,需提供學生證電子檔

        完成線上報名後,於報名結果頁面中會顯示「待審核」;待繳費確認,才算完成報名程序。

l   退費說明:請以  E-mail 方式向本會申請退費,待學會完成退費流程,亦將以  E-mail  方式告知已退費。
退費標準如下:
8
 16  前告知無法參加課程者,得全額退費。
                      8 23 前告知無法參加課程者,得退還  8 成報名費。
                      8 24 起告知無法參加課程者,概不退還報名費。
                                 無故未參加者,恕不退費。

         【颱風天停課標準】上課期間如遇颱風來襲,研習營課程當天上課與否,依人事行政總處公告:「研習營舉辦地點」高中職以上學校停班停課為標準,配合將當天課程暫停。人事行政總處公告:http://www.dgpa.gov.tw/。退費標準如下: 1. 如因颱風來襲順延課程而無法出席者,請於延期後活動日期一週前以 E-mail  方式向本會申請全額退費。 2. 若已進行一天的課程,則可申請折半退費 (依學員實際繳交之金額折半)。

5. 開課門檻與課程名額

本研習營需於兩日課程之總報名人數達 40 人以上才開課主辦單位將於 8  15 日前以電子郵件通知已報名者,確認開課與否及相關細節。本研習營課程單名額上限為 60 人,歡迎儘早報名參加!!

6. 電腦軟體

請學員自備筆記型電腦。
第一日課程所使用的免費軟體 R請先自行下載安裝 (www.r-project.org)
第二日課程所使用的免費軟體Python3請先自行下載安裝 (www.python.org/downloads/)

 7. 師資簡介

(1) 課程講師:

楊睿中教授 (國立清華大學經濟學系助理教授,個人網頁:https://sites.google.com/site/juichungyang/)

(2) 課程講師:

盧信銘教授 (國立臺灣大學大資訊管理學系副教授,個人網頁:http://www.im.ntu.edu.tw/~lu/ )

盧教授的研究主要有兩個方向:第一是針對健康資料建構資料分析與預測的方法;第二是發展文字探勘方法與探討文字資料在財務與會計領域的應用與價值。學術著作曾發表在Decision Support SystemsJournal of Banking and FinanceReview of Accounting StudiesJournal of Biomedical InformaticsInternational Journal of Medical InformaticsIEEE Transactions on Knowledge & Data Engineering 等國際期刊。

8. 課程簡介

(1) 8 30 日之課程:

In this class we are going to try to unveil the black-box nature of two well-known and widely-used machine learning algorithms, the gradient boosting and the random forest. Computationally, the gradient boosting performs the functional gradient descent on the loss function by repeatedly fitting a weak learner, typically a shallow classification and regression tree (CART), to the residuals. However, since CART is a special case of multivariate adaptive regression splines (MARS), gradient boosting with shrinkage can be viewed as an infinitesimal forward-stagewise spline regression, which is similar to a spline regression with a L1 penalty, a.k.a., the least absolute shrinkage and selection operator (LASSO). On the other hand, the random forest is a combination of the bootstrap aggregating (bagging) and the CART. Nevertheless, it has been shown that the random forest can also be viewed as an adaptively weighted k potential nearest neighbors (k-PNN) method. To conclude, many machine learning algorithms may seem to be very different to conventional econometric methods. However, there are definitely some connections between the machine learning algorithms and econometric methods.
我們討論梯度提升與隨機森林這兩種常用的機器學習方法. 就計算而言, 梯度提升是透過梯度提升, 反覆對殘差項配適一個弱學習器 -- 通常是淺的分類或迴歸樹來改進估計和預測. 然而, 既然樹本身是多元適應性迴歸模式的特例, 利用樹的梯度提升其實可以視為多元適應性迴歸模式的無窮小向前逐漸迴歸, 其本身又非常類似最小絕對值收斂和選擇算子. 另一方面, 隨機森林利用拔靴集成法改進樹的估計和預測. 然而, 隨機森林也可以視作一個自適應的最近鄰居法. 總之, 許多機器學習方法乍看之下與傳統計量方法有很大的不同, 但機器學習與傳統方法之間其實存在著某種相對應的聯繫。

(2) 8 31 日之課程:

文字資料的分析在傳統的計量課程中較少提及。然而不論是新聞、財報、甚至是社群媒體中的文字資料對經濟、財務、與會計研究者而言,其重要性與日俱增,使用文字分析的學術論文也如雨後春筍般的出現。本課程將會針對經濟、財務、與會計研究者在執行學術研究專案時會遇到的文字分析與探勘議題,做系統性的介紹。課程的主要內容包含 (1) 資料收集 (Crawling) (2) 文件前處理 (Preprocessing) (3) 字典法情感分析 (Dictionary-based Sentiment Analysis) (4) 文件分群與主題模型 (Topic Models)

9. 學員應具備程度或課前推薦讀物

(1) 8 30 日之課程:

1.     Efron, Bradley and Trevor Hastie (2016), Computer Age Statistical Inference: Algorithms, Evidence and Data Science, Cambridge. https://web.stanford.edu/~hastie/CASI/index.html

2.     James, Gareth, Daniela Witten, Trevor Hastie, and Robert Tibshirani, (2013), An Introduction to Statistical Learning: with Applications in R, Springer. http://www-bcf.usc.edu/~gareth/ISL/

3.     Hastie, Trevor, Robert Tibshirani and Jerome Friedman (2009), The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition, Springer. https://web.stanford.edu/~hastie/Papers/ESLII.pdf

(2) 8 31 日之課程:

需對文字分析與探勘有興趣且對Python3有基本的了解,如檔案讀取、迴圈、常用資料結構 (List, Set, Dictionary)、錯誤與例外處理等。

Python3的基礎知識可以參見免費電子書Think Python (http://greenteapress.com/wp/think-python-2e/)。坊間一般介紹Python3的書籍亦可自行選購研讀,或研修相關的線上課程,如Coursera上的用Python做商管程式設計(1) (2) (URL:https://www.coursera.org/learn/pbc1, https://www.coursera.org/learn/pbc2)

2018年經濟計量實證研習營之相關訊息,請隨時查閱本會網站。如有疑問,請洽臺灣經濟計量學會范小姐
電話:(02) 3366-9873,電子郵件:tes@sinica.edu.tw 

 

  • 附件檔案:
  • 參考連結:
  • 張貼人:網站管理員
  • 最後修改時間:2018-08-01 PM 5:25

web_use_log