Wiki - Факультет компьютерных наук - Вклад [ru]

Машинное обучение в экономике бакалавриат 2025-2026

2026-05-16T10:05:46Z

Potanin: /* Домашнее задание */

== Материалы для повторения ==

Викистранички курсов по теории вероятностей и математической статистике:

* [http://wiki.cs.hse.ru/Теория_вероятностей_и_статистика,_МИРЭК,_2023-2024 МИРЭК]
* [http://wiki.cs.hse.ru/Econ_probability_2023-24 Экономика]

Видео про применение python в математической статистике:

* [https://youtu.be/F7dJmORBXzM Часть 1]
* [https://youtu.be/VKHr1Po9ztI Часть 2]
* [https://youtu.be/3ZGq472-XbE Часть 3]
* [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm Код к видео]

== Информация о курсе ==

'''Оценка''' = 0.1 * Активность + 0.25 * Домашнее задание + 0.65 * Экзамен

== Домашнее задание ==

=== Домашнее задание ===

'''Задание''': текст задания доступен по [https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%94%D0%BE%D0%BC%D0%B0%D1%88%D0%BD%D0%B5%D0%B5_%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5__%D0%9C%D0%9E__%D0%91%D0%90%D0%9A__2025_2026.pdf ссылке]

'''Дедлайн''': 9-го июня включительно

'''Комментарии''': до 1-го июня можно заполнить информацию о теме домашнего задания в таблице по [https://docs.google.com/spreadsheets/d/1ZYOW6VbDrHPyRsWWOAk_YiXhnzf8RuWV1AbNAK2z-LM/edit?usp=sharing ссылке] и получить обратную связь от преподавателей.

== Экзамен ==

'''Дата''': будет объявлена позже

=== Экзамены прошлых лет ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%92%D1%81%D1%82%D1%83%D0%BF%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D0%B5%20%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5.%20%D0%9C%D0%9E.%202023-2024.pdf Первый пример экзамена с решениями 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9F%D1%80%D0%B5%D0%B4%D0%B2%D0%B0%D1%80%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9.%20%D0%9C%D0%9E.%202023-2024.pdf Второй пример экзамена с решениями, 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9C%D0%9E.%202023-2024.pdf Экзамен 2023-2024 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD%20%D0%9C%D0%9E%20%D0%9C%D0%B0%D0%B3%D0%B8%D1%81%D1%82%D1%80%D0%B0%D1%82%D1%83%D1%80%D0%B0%202024-2025%20%D1%80%D0%B5%D1%88%D0%B5%D0%BD%D0%B8%D0%B5.pdf Экзамен 2024-2025 с решениями, магистратура]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Бакалавриат%202024-2025.pdf Экзамен 2024-2025 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Магистратура%202025-2026%20решения.pdf Экзамен 2025-2026 с решениями, магистратура]

== Консультации ==

=== Консультация перед экзаменом на лекции 2023-2024 ===
*[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9A%D0%BE%D0%BD%D1%81%D1%83%D0%BB%D1%8C%D1%82%D0%B0%D1%86%D0%B8%D1%8F.%20%D0%9C%D0%9E.%202023-2024.pdf Задачи]
*[https://youtu.be/chChWaDkYEI Видео 1]
*[https://youtu.be/si0jgqis1fY Видео 2]
*[https://youtu.be/ET47Z_r9B98 Видео 3]
*[https://youtu.be/m8Crj5Nh_20 Видео 4]

=== Консультация о генерации данных для домашней работы 2023-2024 ===

* [https://colab.research.google.com/drive/15l0cILQJZdi3RXKScGG8K0jjbLtbcS5G?usp=sharing Код консультации]
* [https://youtu.be/B5w5HPFkbTo Видео, часть 1]
* [https://youtu.be/PFbkJITNa7A Видео, часть 2]

== Неделя 0. Введение в машинное обучение ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Лекция%200.%20Введение%20в%20машинное%20обучение.pdf Слайды лекции]

== Неделя 1. Байесовские сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1Iq1zomLp2kZ1kAffPeFyzHFtdvhbuTR2?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 6.

2. MLPP глава 10.

== Неделя 2. Метод ближайших соседей ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Слайды лекции]

[https://colab.research.google.com/drive/1a2sgrKj_ap58JKRixlG2xvopTmV7dU_8?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 5.

2. MLPP глава 16.

== Неделя 3. Деревья ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%203.%20%D0%94%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vXOMuDUFSxqO4XFpvvcpf4SWokIx4Lk9?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%203.%20%D0%A0%D0%B5%D1%88%D0%B0%D1%8E%D1%89%D0%B8%D0%B5%20%D0%B4%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 4.

== Неделя 4. Логистическая регрессия и метод опорных векторов ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BE%D0%BF%D0%BE%D1%80%D0%BD%D1%8B%D1%85%20%D0%B2%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BE%D0%B2.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vqEDTOwBGkz0mEM4i4SPxHvVRrJfTjmy?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9%20%D0%B1%D1%83%D1%81%D1%82%D0%B8%D0%BD%D0%B3.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 7.

2. MLPP главы 8 и 14.5.

=== Дополнительные материалы ===

1. [https://projecteuclid.org/journalArticle/Download?urlId=10.1214%2Faos%2F1013203451 Статья, в которой был предложен градиентный бустинг]

== Неделя 5. Машинное обучение в эконометрике ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Слайды лекции]

[https://colab.research.google.com/drive/11ss8xdr6B3FPeIExktOZ90GFzGAS7mq5?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. HBE глава 29.

=== Дополнительные материалы ===

1. [https://www.jstatsoft.org/index.php/jss/article/view/v108i03/4527 Двойное машинное обучение в R]

2. [https://arxiv.org/pdf/2301.09397.pdf Двойное машинное обучение в STATA]

3. [https://jmlr.org/papers/volume23/21-0862/21-0862.pdf Двойное машинное обучение в python].

4. [https://www.youtube.com/watch?v=eHOjmyoPCFU&t=1552s Видео лекции о теории двойного машинного обучения от создателя метода]

5. [https://www.youtube.com/watch?v=ErecsyKEq74 Видео лекции о программной реализации двойного машинного обучения от создателей пакета]

'''Примечание''': пакеты в R и python разработаны одними и теми же людьми, поэтому практически идентичны. Однако, в статье про пакет в R все расписано гораздо подробней и понятней, с большим числом наглядных примеров и наиболее важными теоретическими выкладками.

== Неделя 6. Эффекты воздействия ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1uFqihpgQxbPw61kz3N2icOzqPGeK_H-d?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

2. HBE главы 12.34 и 29.22.

=== Дополнительные материалы ===

[https://mixtape.scunning.com Простое, но достаточно подробное введение в causal inference.]

[https://arxiv.org/pdf/2511.12640 Двойное машинное обучение в моделях с неслучайным отбором]

[https://academic.oup.com/ectj/article/27/2/213/7602388?login=false Примеры использования машинного обучения для оценивания эффектов воздействия в прикладных исследованиях]

== Неделя 7. Нейронные сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1QuoHICOPZNfj3Z0ZpYC248zRAwqDSXfU?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

=== Дополнительные материалы ===

[https://www.cs.toronto.edu/~rsalakhu/papers/srivastava14a.pdf 1. Статья, в которой был предложен метод исключения (dropout).]

== Неделя 8. Рекуррентные нейронные сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%208.%20%D0%A0%D0%B5%D0%BA%D1%83%D1%80%D1%80%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B5%20%D0%BD%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1R--ZslnpKE47FAk9X4I8YefqZm0sIn2J?usp=sharing Код семинара]

[https://colab.research.google.com/drive/1-pXQi7FqvXT_NmQafbKF6bmmk1PSEMQ2?usp=sharing Код лекции]

== Неделя 9. Большие языковые модели ==

=== Основные материалы ===

[https://colab.research.google.com/drive/1-pXQi7FqvXT_NmQafbKF6bmmk1PSEMQ2?usp=sharing Код лекции]

[https://colab.research.google.com/drive/12CwGbEFp0nBiRJnKJIppdKDio8PBsJQW?usp=sharing Код семинара]

= Список литературы =

# '''FOML''' - [https://www.amazon.com/Fundamentals-Machine-Learning-Predictive-Analytics/dp/0262029448 Fundamentals of machine learning for predictive data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy.] '''Низкая сложность'''
# '''HBE''' - [https://www.amazon.com/Econometrics-Bruce-Hansen/dp/0691235899 Econometrics. Hansen B.] '''Средняя сложность'''
# '''CMLE''' - [https://causalml-book.org Applied Causal Inference Powered by ML and AI. V. Chernozhukov, C. Hansen, N. Kallus, M. Spindler, V. Syrgkanis] '''Средняя сложность'''
# '''MLPP''' - [https://www.amazon.com/Machine-Learning-Probabilistic-Perspective-Computation/dp/0262018020 Machine learning a probabilistic perspective. Kevin P. Murphy.] '''Высокая сложность'''

Машинное обучение в экономике магистратура онлайн 2025-2026

2026-05-04T16:21:30Z

Potanin: /* Домашнее задание */

== Материалы для повторения ==

Викистранички курсов по теории вероятностей и математической статистике:

* [http://wiki.cs.hse.ru/Теория_вероятностей_и_статистика,_МИРЭК,_2023-2024 МИРЭК]
* [http://wiki.cs.hse.ru/Econ_probability_2023-24 Экономика]

Видео про применение python в математической статистике:

* [https://youtu.be/F7dJmORBXzM Часть 1]
* [https://youtu.be/VKHr1Po9ztI Часть 2]
* [https://youtu.be/3ZGq472-XbE Часть 3]
* [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm Код к видео]

== Информация о курсе ==

'''Оценка''' = 0.01 * ДЗ1 + 0.29 * ДЗ2 + 0.7 * Экзамен

== Домашнее задание ==

=== Домашнее задание ===

'''Условие''': [https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%94%D0%BE%D0%BC%D0%B0%D1%88%D0%BD%D0%B5%D0%B5_%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5__%D0%9C%D0%9E__%D0%9C%D0%90%D0%93__%D0%9E%D0%9D%D0%9B%D0%90%D0%99%D0%9D_2025_2026.pdf Ссылка]

'''Дедлайн''': 09.06.2026

== Экзамен ==

'''Дата''': будет объявлена позже

=== Экзамены прошлых лет ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%92%D1%81%D1%82%D1%83%D0%BF%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D0%B5%20%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5.%20%D0%9C%D0%9E.%202023-2024.pdf Первый пример экзамена с решениями 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9F%D1%80%D0%B5%D0%B4%D0%B2%D0%B0%D1%80%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9.%20%D0%9C%D0%9E.%202023-2024.pdf Второй пример экзамена с решениями, 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9C%D0%9E.%202023-2024.pdf Экзамен 2023-2024 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD%20%D0%9C%D0%9E%20%D0%9C%D0%B0%D0%B3%D0%B8%D1%81%D1%82%D1%80%D0%B0%D1%82%D1%83%D1%80%D0%B0%202024-2025%20%D1%80%D0%B5%D1%88%D0%B5%D0%BD%D0%B8%D0%B5.pdf Экзамен 2024-2025 с решениями, магистратура]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Бакалавриат%202024-2025.pdf Экзамен 2024-2025 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Магистратура%202025-2026%20решения.pdf Экзамен 2025-2026 с решениями, магистратура]

== Консультации ==

=== Консультация перед экзаменом на лекции 2023-2024 ===
*[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9A%D0%BE%D0%BD%D1%81%D1%83%D0%BB%D1%8C%D1%82%D0%B0%D1%86%D0%B8%D1%8F.%20%D0%9C%D0%9E.%202023-2024.pdf Задачи]
*[https://youtu.be/chChWaDkYEI Видео 1]
*[https://youtu.be/si0jgqis1fY Видео 2]
*[https://youtu.be/ET47Z_r9B98 Видео 3]
*[https://youtu.be/m8Crj5Nh_20 Видео 4]

=== Консультация о генерации данных для домашней работы 2023-2024 ===

* [https://colab.research.google.com/drive/15l0cILQJZdi3RXKScGG8K0jjbLtbcS5G?usp=sharing Код консультации]
* [https://youtu.be/B5w5HPFkbTo Видео, часть 1]
* [https://youtu.be/PFbkJITNa7A Видео, часть 2]

== Неделя 0. Введение в машинное обучение ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Лекция%200.%20Введение%20в%20машинное%20обучение.pdf Слайды лекции]

== Неделя 1. Байесовские сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1Iq1zomLp2kZ1kAffPeFyzHFtdvhbuTR2?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 6.

2. MLPP глава 10.

== Неделя 2. Метод ближайших соседей ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Слайды лекции]

[https://colab.research.google.com/drive/1a2sgrKj_ap58JKRixlG2xvopTmV7dU_8?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 5.

2. MLPP глава 16.

== Неделя 3. Деревья ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%203.%20%D0%94%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vXOMuDUFSxqO4XFpvvcpf4SWokIx4Lk9?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%203.%20%D0%A0%D0%B5%D1%88%D0%B0%D1%8E%D1%89%D0%B8%D0%B5%20%D0%B4%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 4.

== Неделя 4. Логистическая регрессия и метод опорных векторов ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BE%D0%BF%D0%BE%D1%80%D0%BD%D1%8B%D1%85%20%D0%B2%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BE%D0%B2.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vqEDTOwBGkz0mEM4i4SPxHvVRrJfTjmy?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9%20%D0%B1%D1%83%D1%81%D1%82%D0%B8%D0%BD%D0%B3.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 7.

2. MLPP главы 8 и 14.5.

=== Дополнительные материалы ===

1. [https://projecteuclid.org/journalArticle/Download?urlId=10.1214%2Faos%2F1013203451 Статья, в которой был предложен градиентный бустинг]

= Список литературы =

# '''FOML''' - [https://www.amazon.com/Fundamentals-Machine-Learning-Predictive-Analytics/dp/0262029448 Fundamentals of machine learning for predictive data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy.] '''Низкая сложность'''
# '''HBE''' - [https://www.amazon.com/Econometrics-Bruce-Hansen/dp/0691235899 Econometrics. Hansen B.] '''Средняя сложность'''
# '''CMLE''' - [https://causalml-book.org Applied Causal Inference Powered by ML and AI. V. Chernozhukov, C. Hansen, N. Kallus, M. Spindler, V. Syrgkanis] '''Средняя сложность'''
# '''MLPP''' - [https://www.amazon.com/Machine-Learning-Probabilistic-Perspective-Computation/dp/0262018020 Machine learning a probabilistic perspective. Kevin P. Murphy.] '''Высокая сложность'''

== Неделя 5. Машинное обучение в эконометрике ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Слайды лекции]

[https://colab.research.google.com/drive/11ss8xdr6B3FPeIExktOZ90GFzGAS7mq5?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. HBE глава 29.

=== Дополнительные материалы ===

1. [https://www.jstatsoft.org/index.php/jss/article/view/v108i03/4527 Двойное машинное обучение в R]

2. [https://arxiv.org/pdf/2301.09397.pdf Двойное машинное обучение в STATA]

3. [https://jmlr.org/papers/volume23/21-0862/21-0862.pdf Двойное машинное обучение в python].

4. [https://www.youtube.com/watch?v=eHOjmyoPCFU&t=1552s Видео лекции о теории двойного машинного обучения от создателя метода]

5. [https://www.youtube.com/watch?v=ErecsyKEq74 Видео лекции о программной реализации двойного машинного обучения от создателей пакета]

'''Примечание''': пакеты в R и python разработаны одними и теми же людьми, поэтому практически идентичны. Однако, в статье про пакет в R все расписано гораздо подробней и понятней, с большим числом наглядных примеров и наиболее важными теоретическими выкладками.

== Неделя 6. Эффекты воздействия ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1uFqihpgQxbPw61kz3N2icOzqPGeK_H-d?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

2. HBE главы 12.34 и 29.22.

=== Дополнительные материалы ===

[https://mixtape.scunning.com Простое, но достаточно подробное введение в causal inference.]

[https://arxiv.org/pdf/2511.12640 Двойное машинное обучение в моделях с неслучайным отбором]

[https://academic.oup.com/ectj/article/27/2/213/7602388?login=false Примеры использования машинного обучения для оценивания эффектов воздействия в прикладных исследованиях]

== Неделя 7. Нейронные сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1QuoHICOPZNfj3Z0ZpYC248zRAwqDSXfU?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

=== Дополнительные материалы ===

[https://www.cs.toronto.edu/~rsalakhu/papers/srivastava14a.pdf 1. Статья, в которой был предложен метод исключения (dropout).]

== Неделя 8. Рекуррентные нейронные сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%208.%20%D0%A0%D0%B5%D0%BA%D1%83%D1%80%D1%80%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B5%20%D0%BD%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1R--ZslnpKE47FAk9X4I8YefqZm0sIn2J?usp=sharing Код семинара]

[https://colab.research.google.com/drive/1-pXQi7FqvXT_NmQafbKF6bmmk1PSEMQ2?usp=sharing Код лекции]

== Неделя 9. Большие языковые модели ==

=== Основные материалы ===

[https://colab.research.google.com/drive/1-pXQi7FqvXT_NmQafbKF6bmmk1PSEMQ2?usp=sharing Код лекции]

[https://colab.research.google.com/drive/12CwGbEFp0nBiRJnKJIppdKDio8PBsJQW?usp=sharing Код семинара]

Микроэконометрика магистратура 2025-2026

2026-04-19T20:19:46Z

Potanin: /* Домашнее задание 1 */

==Вводный курс по R==

Занятия по микроэконометрике проходят в R. Те, кому не знаком данный язык, могут быстро изучить его просмотрев курс видеолекций с задачами и решениями:

* Урок 1. [https://youtu.be/paIf9LCMprY Компиляция кода]

* Урок 2. [https://youtu.be/tL1F12_iNlc Создание и использование переменных]

* Урок 3. [https://youtu.be/sM3DeJtGLPY Типы переменных]

* Урок 4. [https://youtu.be/zGM_SgthBe4 Векторы]

* Урок 5. [https://youtu.be/PrgrnK395Vc Использование функций]

* Урок 6. [https://youtu.be/uaoz4f-zKjY Создание функций]

* Урок 7. [https://youtu.be/HkX5dM4R3D8 Логические выражения]

* Урок 8. [https://youtu.be/m1bib2AyXlI Базовые типы объектов]

* Урок 9. [https://youtu.be/KBm7fzgALU0 Листы]

* Урок 10. [https://youtu.be/apkzLT_2o6U Атрибуты и классы]

* Урок 11. [https://youtu.be/LlSrLdd8L10 Матрицы и массивы]

* Урок 12. [https://youtu.be/47m_JUpQjTA Датафреймы]

* Урок 13. [https://youtu.be/VAtQSSLUbF8 Выбор элементов по логическому вектору]

* Урок 14. [https://youtu.be/tnRn7KRV2YE Сортировка]

* Урок 15. [https://youtu.be/1cH3DlEh6M0 Циклы]

* Урок 16. [https://youtu.be/uGERbID7WzI Факторы]

* Урок 17. [https://youtu.be/SPd5fN1Ug3A Библиотеки (пакеты)]

* Урок 18. [https://youtu.be/xeMJehWKVnk Функция apply]

* Урок 19. [https://youtu.be/ai7v6pr83Sk Графики]

* Урок 20. [https://youtu.be/nvbHgE-Eb68 Пропуски]

* Урок 21. [https://youtu.be/nJ5dZweMu68 Числа с плавающей точкой (сложно)]

* Урок 22. [https://youtu.be/RKagzF99I6I Численное дифференцирование]

* Урок 23. [https://youtu.be/chtyhopWVbY Численная оптимизация]

Также, для изучения R можно использовать:

* [https://www.datacamp.com/courses/free-introduction-to-r?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631908&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=278443377113&utm_targetid=aud-299261629574:dsa-498578053884&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FI5QRm-u5mcfhauXXd9LHMpGWMcD1ym_Hm2ss33YJuhVuCj0eKq_4aAu00EALw_wcB datacamp]

* [https://education.rstudio.com Официальный курс от R-Studio]

* [https://dmkpress.com/catalog/computer/statistics/978-5-97060-835-7/ Книга рецептов R]

Инструкции по установке R и R-studio:

* [https://www.datacamp.com/community/tutorials/installing-R-windows-mac-ubuntu?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631748&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=332602034358&utm_targetid=aud-299261629574:dsa-429603003980&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FJfBlVwhdYEaqeUbjYcaqzOsPfR-9kHB0TFjsJ9bBcZ0qXkvBIRbAaAnKlEALw_wcB Инструкция от datacamp]

* [https://www.youtube.com/watch?v=orjLGFmx6l4 Видео на youtube]

== Материалы курса в STATA ==

Для воспроизведения .do файлов вам понадобятся данные по индивидам 25-й волны РМЭЗ в .dta формате (полная выборка), которые можно скачать по [https://www.hse.ru/data/2017/10/03/1173710457/r25iall26c.dta ссылке].

1. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/1.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F%20%D0%B8%20%D1%87%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D0%B8.do Метод максимального правдоподобия и численные методы оптимизации]

2. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/2.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Классические модели бинарного выбора]

3. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/3.%20%D0%92%D1%8B%D0%B1%D0%BE%D1%80%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B9%20%D1%81%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D0%B8%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Выбор оптимальной спецификации модели бинарного выбора]

4. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/4.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели порядкового выбора]

5. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/5.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели множественного выбора]

6. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%BD%D0%B8%D0%B5%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D1%8B%20%D0%B8%20%D0%B2%D0%BB%D0%BE%D0%B6%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80.do Моделированние частоты и вложенный выбор]

7. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/7.%20%D0%A3%D1%81%D0%B5%D1%87%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8.do Усеченные модели]

8. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/8.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%A5%D0%B5%D0%BA%D0%BC%D0%B0%D0%BD%D0%B0.do Метод Хекмана]

=Формула оценки=

Оценка = 0.1 * Активность + 0.25 * Домашнее задание 1 + 0.25 * Домашнее задание 2 + 0.2 * Экзамен + 0.2 * Презентация

=Домашнее задание 1=

'''Дедлайн''': 17-го мая включительно

'''Ссылки''' на [https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/Микроэконометрика%2C%20ДЗ1.pdf задание] и [https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/homework.rds данные] к нему.

'''Важно''': файл с [https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/Микроэконометрика%2C%20ДЗ1.pdf заданием] необходимо скачать, поскольку на github он может отображаться не полностью.

==Неделя 1. Вводная лекция==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/1.%20%D0%92%D1%81%D1%82%D1%83%D0%BF%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%B0%D1%8F%20%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D1%8F.pdf Презентация]

Дополнительные материалы:
*[https://youtu.be/Yzs66eHKaiU Повторение метода максимального правдоподобия в R (видео)]
*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/0.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F.R Повторение метода максимального правдоподобия в R (файл)]

==Неделя 2. Модели бинарного выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/2.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/1.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.R Файл с кодом]

==Неделя 3. Спецификация моделей бинарного выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/3.%20%D0%A1%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B5%D0%B9%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/2.%20%D0%A1%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B5%D0%B9%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.R Файл с кодом]

==Неделя 4. Модели порядкового выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/4.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.pdf Презентация]

Материалы для самостоятельного изучения:

*[https://github.com/bogdanpotanin/Microeconometrics-2021/raw/main/7.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.r Файл с кодом]

==Неделя 5. Система бинарных уравнений и модель множественного выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/5.%20%D0%A1%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D1%8B%20%D1%83%D1%80%D0%B0%D0%B2%D0%BD%D0%B5%D0%BD%D0%B8%D0%B9.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/3.1.%20%D0%A1%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D1%8B%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D1%8B%D1%85%20%D1%83%D1%80%D0%B0%D0%B2%D0%BD%D0%B5%D0%BD%D0%B8%D0%B9.r Файл с кодом, часть 1]

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/3.2.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.R Файл с кодом, часть 2]

==Неделя 6. Модели с усечением и цензурированием==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%81%20%D1%83%D1%81%D0%B5%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC%20%D0%B8%20%D1%86%D0%B5%D0%BD%D0%B7%D1%83%D1%80%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%D0%BC.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/4.1%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D1%81%20%D1%83%D1%81%D0%B5%D1%87%D1%91%D0%BD%D0%BD%D0%BE%D0%B9%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D0%B9%20%D0%BF%D0%B5%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D0%BE%D0%B9.R Файл с кодом, часть 1]

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/4.2.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D0%A2%D0%BE%D0%B1%D0%B8%D0%BD%D0%B0.R Файл с кодом, часть 2]

==Неделя 7. Модели с неслучайным отбором==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/7.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%81%20%D0%BD%D0%B5%D1%81%D0%BB%D1%83%D1%87%D0%B0%D0%B9%D0%BD%D1%8B%D0%BC%20%D0%BE%D1%82%D0%B1%D0%BE%D1%80%D0%BE%D0%BC.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/5.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%A5%D0%B5%D0%BA%D0%BC%D0%B0%D0%BD%D0%B0.r Файл с кодом]

==Неделя 8. Модели с эндогенным переключением==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/8.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%81%20%D1%8D%D0%BD%D0%B4%D0%BE%D0%B3%D0%B5%D0%BD%D0%BD%D1%8B%D0%BC%20%D0%BF%D0%B5%D1%80%D0%B5%D0%BA%D0%BB%D1%8E%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D1%81%20%D1%8D%D0%BD%D0%B4%D0%BE%D0%B3%D0%B5%D0%BD%D0%BD%D1%8B%D0%BC%20%D0%BF%D0%B5%D1%80%D0%B5%D0%BA%D0%BB%D1%8E%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC.r Файл с кодом]

==Неделя 9. Модели частотных данных==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/9.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B4%D0%BB%D1%8F%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D0%BD%D1%8B%D1%85%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.pdf Презентация лекции]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/7.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D0%BD%D1%8B%D1%85%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.r Файл с кодом]

==Основная литература==

* [https://press.princeton.edu/books/hardcover/9780691235899/econometrics B. Hansen. Econometrics]

* [https://www.amazon.com/Econometric-Analysis-8th-William-Greene/dp/0134461363 William H. Greene. Econometric Analysis (8th Edition)]

* [https://www.ozon.ru/context/detail/id/29965383/ Путеводитель по современной эконометрике : учеб. пособие для вузов, Вербик М., Банникова В. А., 2008]

Микроэконометрика магистратура 2025-2026

2026-04-19T20:19:23Z

Potanin: /* Домашнее задание 1 */

==Вводный курс по R==

Занятия по микроэконометрике проходят в R. Те, кому не знаком данный язык, могут быстро изучить его просмотрев курс видеолекций с задачами и решениями:

* Урок 1. [https://youtu.be/paIf9LCMprY Компиляция кода]

* Урок 2. [https://youtu.be/tL1F12_iNlc Создание и использование переменных]

* Урок 3. [https://youtu.be/sM3DeJtGLPY Типы переменных]

* Урок 4. [https://youtu.be/zGM_SgthBe4 Векторы]

* Урок 5. [https://youtu.be/PrgrnK395Vc Использование функций]

* Урок 6. [https://youtu.be/uaoz4f-zKjY Создание функций]

* Урок 7. [https://youtu.be/HkX5dM4R3D8 Логические выражения]

* Урок 8. [https://youtu.be/m1bib2AyXlI Базовые типы объектов]

* Урок 9. [https://youtu.be/KBm7fzgALU0 Листы]

* Урок 10. [https://youtu.be/apkzLT_2o6U Атрибуты и классы]

* Урок 11. [https://youtu.be/LlSrLdd8L10 Матрицы и массивы]

* Урок 12. [https://youtu.be/47m_JUpQjTA Датафреймы]

* Урок 13. [https://youtu.be/VAtQSSLUbF8 Выбор элементов по логическому вектору]

* Урок 14. [https://youtu.be/tnRn7KRV2YE Сортировка]

* Урок 15. [https://youtu.be/1cH3DlEh6M0 Циклы]

* Урок 16. [https://youtu.be/uGERbID7WzI Факторы]

* Урок 17. [https://youtu.be/SPd5fN1Ug3A Библиотеки (пакеты)]

* Урок 18. [https://youtu.be/xeMJehWKVnk Функция apply]

* Урок 19. [https://youtu.be/ai7v6pr83Sk Графики]

* Урок 20. [https://youtu.be/nvbHgE-Eb68 Пропуски]

* Урок 21. [https://youtu.be/nJ5dZweMu68 Числа с плавающей точкой (сложно)]

* Урок 22. [https://youtu.be/RKagzF99I6I Численное дифференцирование]

* Урок 23. [https://youtu.be/chtyhopWVbY Численная оптимизация]

Также, для изучения R можно использовать:

* [https://www.datacamp.com/courses/free-introduction-to-r?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631908&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=278443377113&utm_targetid=aud-299261629574:dsa-498578053884&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FI5QRm-u5mcfhauXXd9LHMpGWMcD1ym_Hm2ss33YJuhVuCj0eKq_4aAu00EALw_wcB datacamp]

* [https://education.rstudio.com Официальный курс от R-Studio]

* [https://dmkpress.com/catalog/computer/statistics/978-5-97060-835-7/ Книга рецептов R]

Инструкции по установке R и R-studio:

* [https://www.datacamp.com/community/tutorials/installing-R-windows-mac-ubuntu?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631748&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=332602034358&utm_targetid=aud-299261629574:dsa-429603003980&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FJfBlVwhdYEaqeUbjYcaqzOsPfR-9kHB0TFjsJ9bBcZ0qXkvBIRbAaAnKlEALw_wcB Инструкция от datacamp]

* [https://www.youtube.com/watch?v=orjLGFmx6l4 Видео на youtube]

== Материалы курса в STATA ==

Для воспроизведения .do файлов вам понадобятся данные по индивидам 25-й волны РМЭЗ в .dta формате (полная выборка), которые можно скачать по [https://www.hse.ru/data/2017/10/03/1173710457/r25iall26c.dta ссылке].

1. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/1.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F%20%D0%B8%20%D1%87%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D0%B8.do Метод максимального правдоподобия и численные методы оптимизации]

2. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/2.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Классические модели бинарного выбора]

3. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/3.%20%D0%92%D1%8B%D0%B1%D0%BE%D1%80%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B9%20%D1%81%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D0%B8%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Выбор оптимальной спецификации модели бинарного выбора]

4. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/4.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели порядкового выбора]

5. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/5.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели множественного выбора]

6. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%BD%D0%B8%D0%B5%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D1%8B%20%D0%B8%20%D0%B2%D0%BB%D0%BE%D0%B6%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80.do Моделированние частоты и вложенный выбор]

7. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/7.%20%D0%A3%D1%81%D0%B5%D1%87%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8.do Усеченные модели]

8. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/8.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%A5%D0%B5%D0%BA%D0%BC%D0%B0%D0%BD%D0%B0.do Метод Хекмана]

=Формула оценки=

Оценка = 0.1 * Активность + 0.25 * Домашнее задание 1 + 0.25 * Домашнее задание 2 + 0.2 * Экзамен + 0.2 * Презентация

=Домашнее задание 1=

'''Дедлайн''': 17-го мая включительно

'''Ссылки''' на [https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/Микроэконометрика%2C%20ДЗ1.pdf задание] и [https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/homework.rds данные] к нему.

'''Важно''': файл необходимо скачать, поскольку на github он может отображаться не полностью

==Неделя 1. Вводная лекция==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/1.%20%D0%92%D1%81%D1%82%D1%83%D0%BF%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%B0%D1%8F%20%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D1%8F.pdf Презентация]

Дополнительные материалы:
*[https://youtu.be/Yzs66eHKaiU Повторение метода максимального правдоподобия в R (видео)]
*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/0.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F.R Повторение метода максимального правдоподобия в R (файл)]

==Неделя 2. Модели бинарного выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/2.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/1.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.R Файл с кодом]

==Неделя 3. Спецификация моделей бинарного выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/3.%20%D0%A1%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B5%D0%B9%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/2.%20%D0%A1%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B5%D0%B9%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.R Файл с кодом]

==Неделя 4. Модели порядкового выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/4.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.pdf Презентация]

Материалы для самостоятельного изучения:

*[https://github.com/bogdanpotanin/Microeconometrics-2021/raw/main/7.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.r Файл с кодом]

==Неделя 5. Система бинарных уравнений и модель множественного выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/5.%20%D0%A1%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D1%8B%20%D1%83%D1%80%D0%B0%D0%B2%D0%BD%D0%B5%D0%BD%D0%B8%D0%B9.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/3.1.%20%D0%A1%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D1%8B%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D1%8B%D1%85%20%D1%83%D1%80%D0%B0%D0%B2%D0%BD%D0%B5%D0%BD%D0%B8%D0%B9.r Файл с кодом, часть 1]

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/3.2.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.R Файл с кодом, часть 2]

==Неделя 6. Модели с усечением и цензурированием==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%81%20%D1%83%D1%81%D0%B5%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC%20%D0%B8%20%D1%86%D0%B5%D0%BD%D0%B7%D1%83%D1%80%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%D0%BC.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/4.1%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D1%81%20%D1%83%D1%81%D0%B5%D1%87%D1%91%D0%BD%D0%BD%D0%BE%D0%B9%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D0%B9%20%D0%BF%D0%B5%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D0%BE%D0%B9.R Файл с кодом, часть 1]

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/4.2.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D0%A2%D0%BE%D0%B1%D0%B8%D0%BD%D0%B0.R Файл с кодом, часть 2]

==Неделя 7. Модели с неслучайным отбором==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/7.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%81%20%D0%BD%D0%B5%D1%81%D0%BB%D1%83%D1%87%D0%B0%D0%B9%D0%BD%D1%8B%D0%BC%20%D0%BE%D1%82%D0%B1%D0%BE%D1%80%D0%BE%D0%BC.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/5.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%A5%D0%B5%D0%BA%D0%BC%D0%B0%D0%BD%D0%B0.r Файл с кодом]

==Неделя 8. Модели с эндогенным переключением==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/8.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%81%20%D1%8D%D0%BD%D0%B4%D0%BE%D0%B3%D0%B5%D0%BD%D0%BD%D1%8B%D0%BC%20%D0%BF%D0%B5%D1%80%D0%B5%D0%BA%D0%BB%D1%8E%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D1%81%20%D1%8D%D0%BD%D0%B4%D0%BE%D0%B3%D0%B5%D0%BD%D0%BD%D1%8B%D0%BC%20%D0%BF%D0%B5%D1%80%D0%B5%D0%BA%D0%BB%D1%8E%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC.r Файл с кодом]

==Неделя 9. Модели частотных данных==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/9.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B4%D0%BB%D1%8F%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D0%BD%D1%8B%D1%85%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.pdf Презентация лекции]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/7.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D0%BD%D1%8B%D1%85%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.r Файл с кодом]

==Основная литература==

* [https://press.princeton.edu/books/hardcover/9780691235899/econometrics B. Hansen. Econometrics]

* [https://www.amazon.com/Econometric-Analysis-8th-William-Greene/dp/0134461363 William H. Greene. Econometric Analysis (8th Edition)]

* [https://www.ozon.ru/context/detail/id/29965383/ Путеводитель по современной эконометрике : учеб. пособие для вузов, Вербик М., Банникова В. А., 2008]

Микроэконометрика магистратура 2025-2026

2026-04-19T20:18:54Z

Potanin: /* Домашнее задание 1 */

==Вводный курс по R==

Занятия по микроэконометрике проходят в R. Те, кому не знаком данный язык, могут быстро изучить его просмотрев курс видеолекций с задачами и решениями:

* Урок 1. [https://youtu.be/paIf9LCMprY Компиляция кода]

* Урок 2. [https://youtu.be/tL1F12_iNlc Создание и использование переменных]

* Урок 3. [https://youtu.be/sM3DeJtGLPY Типы переменных]

* Урок 4. [https://youtu.be/zGM_SgthBe4 Векторы]

* Урок 5. [https://youtu.be/PrgrnK395Vc Использование функций]

* Урок 6. [https://youtu.be/uaoz4f-zKjY Создание функций]

* Урок 7. [https://youtu.be/HkX5dM4R3D8 Логические выражения]

* Урок 8. [https://youtu.be/m1bib2AyXlI Базовые типы объектов]

* Урок 9. [https://youtu.be/KBm7fzgALU0 Листы]

* Урок 10. [https://youtu.be/apkzLT_2o6U Атрибуты и классы]

* Урок 11. [https://youtu.be/LlSrLdd8L10 Матрицы и массивы]

* Урок 12. [https://youtu.be/47m_JUpQjTA Датафреймы]

* Урок 13. [https://youtu.be/VAtQSSLUbF8 Выбор элементов по логическому вектору]

* Урок 14. [https://youtu.be/tnRn7KRV2YE Сортировка]

* Урок 15. [https://youtu.be/1cH3DlEh6M0 Циклы]

* Урок 16. [https://youtu.be/uGERbID7WzI Факторы]

* Урок 17. [https://youtu.be/SPd5fN1Ug3A Библиотеки (пакеты)]

* Урок 18. [https://youtu.be/xeMJehWKVnk Функция apply]

* Урок 19. [https://youtu.be/ai7v6pr83Sk Графики]

* Урок 20. [https://youtu.be/nvbHgE-Eb68 Пропуски]

* Урок 21. [https://youtu.be/nJ5dZweMu68 Числа с плавающей точкой (сложно)]

* Урок 22. [https://youtu.be/RKagzF99I6I Численное дифференцирование]

* Урок 23. [https://youtu.be/chtyhopWVbY Численная оптимизация]

Также, для изучения R можно использовать:

* [https://www.datacamp.com/courses/free-introduction-to-r?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631908&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=278443377113&utm_targetid=aud-299261629574:dsa-498578053884&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FI5QRm-u5mcfhauXXd9LHMpGWMcD1ym_Hm2ss33YJuhVuCj0eKq_4aAu00EALw_wcB datacamp]

* [https://education.rstudio.com Официальный курс от R-Studio]

* [https://dmkpress.com/catalog/computer/statistics/978-5-97060-835-7/ Книга рецептов R]

Инструкции по установке R и R-studio:

* [https://www.datacamp.com/community/tutorials/installing-R-windows-mac-ubuntu?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631748&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=332602034358&utm_targetid=aud-299261629574:dsa-429603003980&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FJfBlVwhdYEaqeUbjYcaqzOsPfR-9kHB0TFjsJ9bBcZ0qXkvBIRbAaAnKlEALw_wcB Инструкция от datacamp]

* [https://www.youtube.com/watch?v=orjLGFmx6l4 Видео на youtube]

== Материалы курса в STATA ==

Для воспроизведения .do файлов вам понадобятся данные по индивидам 25-й волны РМЭЗ в .dta формате (полная выборка), которые можно скачать по [https://www.hse.ru/data/2017/10/03/1173710457/r25iall26c.dta ссылке].

1. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/1.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F%20%D0%B8%20%D1%87%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D0%B8.do Метод максимального правдоподобия и численные методы оптимизации]

2. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/2.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Классические модели бинарного выбора]

3. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/3.%20%D0%92%D1%8B%D0%B1%D0%BE%D1%80%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B9%20%D1%81%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D0%B8%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Выбор оптимальной спецификации модели бинарного выбора]

4. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/4.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели порядкового выбора]

5. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/5.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели множественного выбора]

6. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%BD%D0%B8%D0%B5%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D1%8B%20%D0%B8%20%D0%B2%D0%BB%D0%BE%D0%B6%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80.do Моделированние частоты и вложенный выбор]

7. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/7.%20%D0%A3%D1%81%D0%B5%D1%87%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8.do Усеченные модели]

8. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/8.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%A5%D0%B5%D0%BA%D0%BC%D0%B0%D0%BD%D0%B0.do Метод Хекмана]

=Формула оценки=

Оценка = 0.1 * Активность + 0.25 * Домашнее задание 1 + 0.25 * Домашнее задание 2 + 0.2 * Экзамен + 0.2 * Презентация

=Домашнее задание 1=

'''Дедлайн''': 17-го мая включительно

Ссылки на [https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/Микроэконометрика%2C%20ДЗ1.pdf задание] (файл необходимо скачать, поскольку на github он может отображаться не полностью) и [https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/homework.rds данные] к нему.

==Неделя 1. Вводная лекция==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/1.%20%D0%92%D1%81%D1%82%D1%83%D0%BF%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%B0%D1%8F%20%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D1%8F.pdf Презентация]

Дополнительные материалы:
*[https://youtu.be/Yzs66eHKaiU Повторение метода максимального правдоподобия в R (видео)]
*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/0.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F.R Повторение метода максимального правдоподобия в R (файл)]

==Неделя 2. Модели бинарного выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/2.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/1.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.R Файл с кодом]

==Неделя 3. Спецификация моделей бинарного выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/3.%20%D0%A1%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B5%D0%B9%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/2.%20%D0%A1%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B5%D0%B9%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.R Файл с кодом]

==Неделя 4. Модели порядкового выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/4.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.pdf Презентация]

Материалы для самостоятельного изучения:

*[https://github.com/bogdanpotanin/Microeconometrics-2021/raw/main/7.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.r Файл с кодом]

==Неделя 5. Система бинарных уравнений и модель множественного выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/5.%20%D0%A1%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D1%8B%20%D1%83%D1%80%D0%B0%D0%B2%D0%BD%D0%B5%D0%BD%D0%B8%D0%B9.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/3.1.%20%D0%A1%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D1%8B%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D1%8B%D1%85%20%D1%83%D1%80%D0%B0%D0%B2%D0%BD%D0%B5%D0%BD%D0%B8%D0%B9.r Файл с кодом, часть 1]

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/3.2.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.R Файл с кодом, часть 2]

==Неделя 6. Модели с усечением и цензурированием==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%81%20%D1%83%D1%81%D0%B5%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC%20%D0%B8%20%D1%86%D0%B5%D0%BD%D0%B7%D1%83%D1%80%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%D0%BC.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/4.1%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D1%81%20%D1%83%D1%81%D0%B5%D1%87%D1%91%D0%BD%D0%BD%D0%BE%D0%B9%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D0%B9%20%D0%BF%D0%B5%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D0%BE%D0%B9.R Файл с кодом, часть 1]

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/4.2.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D0%A2%D0%BE%D0%B1%D0%B8%D0%BD%D0%B0.R Файл с кодом, часть 2]

==Неделя 7. Модели с неслучайным отбором==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/7.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%81%20%D0%BD%D0%B5%D1%81%D0%BB%D1%83%D1%87%D0%B0%D0%B9%D0%BD%D1%8B%D0%BC%20%D0%BE%D1%82%D0%B1%D0%BE%D1%80%D0%BE%D0%BC.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/5.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%A5%D0%B5%D0%BA%D0%BC%D0%B0%D0%BD%D0%B0.r Файл с кодом]

==Неделя 8. Модели с эндогенным переключением==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/8.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%81%20%D1%8D%D0%BD%D0%B4%D0%BE%D0%B3%D0%B5%D0%BD%D0%BD%D1%8B%D0%BC%20%D0%BF%D0%B5%D1%80%D0%B5%D0%BA%D0%BB%D1%8E%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D1%81%20%D1%8D%D0%BD%D0%B4%D0%BE%D0%B3%D0%B5%D0%BD%D0%BD%D1%8B%D0%BC%20%D0%BF%D0%B5%D1%80%D0%B5%D0%BA%D0%BB%D1%8E%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC.r Файл с кодом]

==Неделя 9. Модели частотных данных==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/9.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B4%D0%BB%D1%8F%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D0%BD%D1%8B%D1%85%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.pdf Презентация лекции]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/7.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D0%BD%D1%8B%D1%85%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.r Файл с кодом]

==Основная литература==

* [https://press.princeton.edu/books/hardcover/9780691235899/econometrics B. Hansen. Econometrics]

* [https://www.amazon.com/Econometric-Analysis-8th-William-Greene/dp/0134461363 William H. Greene. Econometric Analysis (8th Edition)]

* [https://www.ozon.ru/context/detail/id/29965383/ Путеводитель по современной эконометрике : учеб. пособие для вузов, Вербик М., Банникова В. А., 2008]

Микроэконометрика магистратура 2025-2026

2026-04-19T20:18:17Z

Potanin: /* Домашнее задание 1 */

==Вводный курс по R==

Занятия по микроэконометрике проходят в R. Те, кому не знаком данный язык, могут быстро изучить его просмотрев курс видеолекций с задачами и решениями:

* Урок 1. [https://youtu.be/paIf9LCMprY Компиляция кода]

* Урок 2. [https://youtu.be/tL1F12_iNlc Создание и использование переменных]

* Урок 3. [https://youtu.be/sM3DeJtGLPY Типы переменных]

* Урок 4. [https://youtu.be/zGM_SgthBe4 Векторы]

* Урок 5. [https://youtu.be/PrgrnK395Vc Использование функций]

* Урок 6. [https://youtu.be/uaoz4f-zKjY Создание функций]

* Урок 7. [https://youtu.be/HkX5dM4R3D8 Логические выражения]

* Урок 8. [https://youtu.be/m1bib2AyXlI Базовые типы объектов]

* Урок 9. [https://youtu.be/KBm7fzgALU0 Листы]

* Урок 10. [https://youtu.be/apkzLT_2o6U Атрибуты и классы]

* Урок 11. [https://youtu.be/LlSrLdd8L10 Матрицы и массивы]

* Урок 12. [https://youtu.be/47m_JUpQjTA Датафреймы]

* Урок 13. [https://youtu.be/VAtQSSLUbF8 Выбор элементов по логическому вектору]

* Урок 14. [https://youtu.be/tnRn7KRV2YE Сортировка]

* Урок 15. [https://youtu.be/1cH3DlEh6M0 Циклы]

* Урок 16. [https://youtu.be/uGERbID7WzI Факторы]

* Урок 17. [https://youtu.be/SPd5fN1Ug3A Библиотеки (пакеты)]

* Урок 18. [https://youtu.be/xeMJehWKVnk Функция apply]

* Урок 19. [https://youtu.be/ai7v6pr83Sk Графики]

* Урок 20. [https://youtu.be/nvbHgE-Eb68 Пропуски]

* Урок 21. [https://youtu.be/nJ5dZweMu68 Числа с плавающей точкой (сложно)]

* Урок 22. [https://youtu.be/RKagzF99I6I Численное дифференцирование]

* Урок 23. [https://youtu.be/chtyhopWVbY Численная оптимизация]

Также, для изучения R можно использовать:

* [https://www.datacamp.com/courses/free-introduction-to-r?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631908&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=278443377113&utm_targetid=aud-299261629574:dsa-498578053884&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FI5QRm-u5mcfhauXXd9LHMpGWMcD1ym_Hm2ss33YJuhVuCj0eKq_4aAu00EALw_wcB datacamp]

* [https://education.rstudio.com Официальный курс от R-Studio]

* [https://dmkpress.com/catalog/computer/statistics/978-5-97060-835-7/ Книга рецептов R]

Инструкции по установке R и R-studio:

* [https://www.datacamp.com/community/tutorials/installing-R-windows-mac-ubuntu?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631748&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=332602034358&utm_targetid=aud-299261629574:dsa-429603003980&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FJfBlVwhdYEaqeUbjYcaqzOsPfR-9kHB0TFjsJ9bBcZ0qXkvBIRbAaAnKlEALw_wcB Инструкция от datacamp]

* [https://www.youtube.com/watch?v=orjLGFmx6l4 Видео на youtube]

== Материалы курса в STATA ==

Для воспроизведения .do файлов вам понадобятся данные по индивидам 25-й волны РМЭЗ в .dta формате (полная выборка), которые можно скачать по [https://www.hse.ru/data/2017/10/03/1173710457/r25iall26c.dta ссылке].

1. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/1.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F%20%D0%B8%20%D1%87%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D0%B8.do Метод максимального правдоподобия и численные методы оптимизации]

2. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/2.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Классические модели бинарного выбора]

3. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/3.%20%D0%92%D1%8B%D0%B1%D0%BE%D1%80%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B9%20%D1%81%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D0%B8%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Выбор оптимальной спецификации модели бинарного выбора]

4. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/4.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели порядкового выбора]

5. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/5.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели множественного выбора]

6. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%BD%D0%B8%D0%B5%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D1%8B%20%D0%B8%20%D0%B2%D0%BB%D0%BE%D0%B6%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80.do Моделированние частоты и вложенный выбор]

7. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/7.%20%D0%A3%D1%81%D0%B5%D1%87%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8.do Усеченные модели]

8. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/8.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%A5%D0%B5%D0%BA%D0%BC%D0%B0%D0%BD%D0%B0.do Метод Хекмана]

=Формула оценки=

Оценка = 0.1 * Активность + 0.25 * Домашнее задание 1 + 0.25 * Домашнее задание 2 + 0.2 * Экзамен + 0.2 * Презентация

=Домашнее задание 1=

'''Дедлайн''': 17-го мая включительно

Ссылки на [https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/Микроэконометрика%2C%20ДЗ1.pdf задание] и [https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/homework.rds данные] к нему.

==Неделя 1. Вводная лекция==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/1.%20%D0%92%D1%81%D1%82%D1%83%D0%BF%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%B0%D1%8F%20%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D1%8F.pdf Презентация]

Дополнительные материалы:
*[https://youtu.be/Yzs66eHKaiU Повторение метода максимального правдоподобия в R (видео)]
*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/0.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F.R Повторение метода максимального правдоподобия в R (файл)]

==Неделя 2. Модели бинарного выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/2.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/1.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.R Файл с кодом]

==Неделя 3. Спецификация моделей бинарного выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/3.%20%D0%A1%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B5%D0%B9%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/2.%20%D0%A1%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B5%D0%B9%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.R Файл с кодом]

==Неделя 4. Модели порядкового выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/4.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.pdf Презентация]

Материалы для самостоятельного изучения:

*[https://github.com/bogdanpotanin/Microeconometrics-2021/raw/main/7.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.r Файл с кодом]

==Неделя 5. Система бинарных уравнений и модель множественного выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/5.%20%D0%A1%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D1%8B%20%D1%83%D1%80%D0%B0%D0%B2%D0%BD%D0%B5%D0%BD%D0%B8%D0%B9.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/3.1.%20%D0%A1%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D1%8B%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D1%8B%D1%85%20%D1%83%D1%80%D0%B0%D0%B2%D0%BD%D0%B5%D0%BD%D0%B8%D0%B9.r Файл с кодом, часть 1]

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/3.2.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.R Файл с кодом, часть 2]

==Неделя 6. Модели с усечением и цензурированием==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%81%20%D1%83%D1%81%D0%B5%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC%20%D0%B8%20%D1%86%D0%B5%D0%BD%D0%B7%D1%83%D1%80%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%D0%BC.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/4.1%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D1%81%20%D1%83%D1%81%D0%B5%D1%87%D1%91%D0%BD%D0%BD%D0%BE%D0%B9%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D0%B9%20%D0%BF%D0%B5%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D0%BE%D0%B9.R Файл с кодом, часть 1]

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/4.2.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D0%A2%D0%BE%D0%B1%D0%B8%D0%BD%D0%B0.R Файл с кодом, часть 2]

==Неделя 7. Модели с неслучайным отбором==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/7.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%81%20%D0%BD%D0%B5%D1%81%D0%BB%D1%83%D1%87%D0%B0%D0%B9%D0%BD%D1%8B%D0%BC%20%D0%BE%D1%82%D0%B1%D0%BE%D1%80%D0%BE%D0%BC.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/5.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%A5%D0%B5%D0%BA%D0%BC%D0%B0%D0%BD%D0%B0.r Файл с кодом]

==Неделя 8. Модели с эндогенным переключением==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/8.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%81%20%D1%8D%D0%BD%D0%B4%D0%BE%D0%B3%D0%B5%D0%BD%D0%BD%D1%8B%D0%BC%20%D0%BF%D0%B5%D1%80%D0%B5%D0%BA%D0%BB%D1%8E%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D1%81%20%D1%8D%D0%BD%D0%B4%D0%BE%D0%B3%D0%B5%D0%BD%D0%BD%D1%8B%D0%BC%20%D0%BF%D0%B5%D1%80%D0%B5%D0%BA%D0%BB%D1%8E%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC.r Файл с кодом]

==Неделя 9. Модели частотных данных==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/9.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B4%D0%BB%D1%8F%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D0%BD%D1%8B%D1%85%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.pdf Презентация лекции]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/7.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D0%BD%D1%8B%D1%85%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.r Файл с кодом]

==Основная литература==

* [https://press.princeton.edu/books/hardcover/9780691235899/econometrics B. Hansen. Econometrics]

* [https://www.amazon.com/Econometric-Analysis-8th-William-Greene/dp/0134461363 William H. Greene. Econometric Analysis (8th Edition)]

* [https://www.ozon.ru/context/detail/id/29965383/ Путеводитель по современной эконометрике : учеб. пособие для вузов, Вербик М., Банникова В. А., 2008]

Микроэконометрика магистратура 2025-2026

2026-04-19T20:18:05Z

Potanin: /* Формула оценки */

==Вводный курс по R==

Занятия по микроэконометрике проходят в R. Те, кому не знаком данный язык, могут быстро изучить его просмотрев курс видеолекций с задачами и решениями:

* Урок 1. [https://youtu.be/paIf9LCMprY Компиляция кода]

* Урок 2. [https://youtu.be/tL1F12_iNlc Создание и использование переменных]

* Урок 3. [https://youtu.be/sM3DeJtGLPY Типы переменных]

* Урок 4. [https://youtu.be/zGM_SgthBe4 Векторы]

* Урок 5. [https://youtu.be/PrgrnK395Vc Использование функций]

* Урок 6. [https://youtu.be/uaoz4f-zKjY Создание функций]

* Урок 7. [https://youtu.be/HkX5dM4R3D8 Логические выражения]

* Урок 8. [https://youtu.be/m1bib2AyXlI Базовые типы объектов]

* Урок 9. [https://youtu.be/KBm7fzgALU0 Листы]

* Урок 10. [https://youtu.be/apkzLT_2o6U Атрибуты и классы]

* Урок 11. [https://youtu.be/LlSrLdd8L10 Матрицы и массивы]

* Урок 12. [https://youtu.be/47m_JUpQjTA Датафреймы]

* Урок 13. [https://youtu.be/VAtQSSLUbF8 Выбор элементов по логическому вектору]

* Урок 14. [https://youtu.be/tnRn7KRV2YE Сортировка]

* Урок 15. [https://youtu.be/1cH3DlEh6M0 Циклы]

* Урок 16. [https://youtu.be/uGERbID7WzI Факторы]

* Урок 17. [https://youtu.be/SPd5fN1Ug3A Библиотеки (пакеты)]

* Урок 18. [https://youtu.be/xeMJehWKVnk Функция apply]

* Урок 19. [https://youtu.be/ai7v6pr83Sk Графики]

* Урок 20. [https://youtu.be/nvbHgE-Eb68 Пропуски]

* Урок 21. [https://youtu.be/nJ5dZweMu68 Числа с плавающей точкой (сложно)]

* Урок 22. [https://youtu.be/RKagzF99I6I Численное дифференцирование]

* Урок 23. [https://youtu.be/chtyhopWVbY Численная оптимизация]

Также, для изучения R можно использовать:

* [https://www.datacamp.com/courses/free-introduction-to-r?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631908&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=278443377113&utm_targetid=aud-299261629574:dsa-498578053884&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FI5QRm-u5mcfhauXXd9LHMpGWMcD1ym_Hm2ss33YJuhVuCj0eKq_4aAu00EALw_wcB datacamp]

* [https://education.rstudio.com Официальный курс от R-Studio]

* [https://dmkpress.com/catalog/computer/statistics/978-5-97060-835-7/ Книга рецептов R]

Инструкции по установке R и R-studio:

* [https://www.datacamp.com/community/tutorials/installing-R-windows-mac-ubuntu?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631748&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=332602034358&utm_targetid=aud-299261629574:dsa-429603003980&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FJfBlVwhdYEaqeUbjYcaqzOsPfR-9kHB0TFjsJ9bBcZ0qXkvBIRbAaAnKlEALw_wcB Инструкция от datacamp]

* [https://www.youtube.com/watch?v=orjLGFmx6l4 Видео на youtube]

== Материалы курса в STATA ==

Для воспроизведения .do файлов вам понадобятся данные по индивидам 25-й волны РМЭЗ в .dta формате (полная выборка), которые можно скачать по [https://www.hse.ru/data/2017/10/03/1173710457/r25iall26c.dta ссылке].

1. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/1.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F%20%D0%B8%20%D1%87%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D0%B8.do Метод максимального правдоподобия и численные методы оптимизации]

2. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/2.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Классические модели бинарного выбора]

3. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/3.%20%D0%92%D1%8B%D0%B1%D0%BE%D1%80%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B9%20%D1%81%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D0%B8%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Выбор оптимальной спецификации модели бинарного выбора]

4. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/4.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели порядкового выбора]

5. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/5.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели множественного выбора]

6. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%BD%D0%B8%D0%B5%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D1%8B%20%D0%B8%20%D0%B2%D0%BB%D0%BE%D0%B6%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80.do Моделированние частоты и вложенный выбор]

7. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/7.%20%D0%A3%D1%81%D0%B5%D1%87%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8.do Усеченные модели]

8. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/8.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%A5%D0%B5%D0%BA%D0%BC%D0%B0%D0%BD%D0%B0.do Метод Хекмана]

=Формула оценки=

Оценка = 0.1 * Активность + 0.25 * Домашнее задание 1 + 0.25 * Домашнее задание 2 + 0.2 * Экзамен + 0.2 * Презентация

=Домашнее задание 1=

'''Дедлайн''': 17-го мая включительно

Ссылки на *[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/Микроэконометрика%2C%20ДЗ1.pdf задание] и *[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/homework.rds данные] к нему.

==Неделя 1. Вводная лекция==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/1.%20%D0%92%D1%81%D1%82%D1%83%D0%BF%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%B0%D1%8F%20%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D1%8F.pdf Презентация]

Дополнительные материалы:
*[https://youtu.be/Yzs66eHKaiU Повторение метода максимального правдоподобия в R (видео)]
*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/0.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F.R Повторение метода максимального правдоподобия в R (файл)]

==Неделя 2. Модели бинарного выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/2.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/1.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.R Файл с кодом]

==Неделя 3. Спецификация моделей бинарного выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/3.%20%D0%A1%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B5%D0%B9%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/2.%20%D0%A1%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B5%D0%B9%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.R Файл с кодом]

==Неделя 4. Модели порядкового выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/4.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.pdf Презентация]

Материалы для самостоятельного изучения:

*[https://github.com/bogdanpotanin/Microeconometrics-2021/raw/main/7.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.r Файл с кодом]

==Неделя 5. Система бинарных уравнений и модель множественного выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/5.%20%D0%A1%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D1%8B%20%D1%83%D1%80%D0%B0%D0%B2%D0%BD%D0%B5%D0%BD%D0%B8%D0%B9.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/3.1.%20%D0%A1%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D1%8B%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D1%8B%D1%85%20%D1%83%D1%80%D0%B0%D0%B2%D0%BD%D0%B5%D0%BD%D0%B8%D0%B9.r Файл с кодом, часть 1]

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/3.2.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.R Файл с кодом, часть 2]

==Неделя 6. Модели с усечением и цензурированием==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%81%20%D1%83%D1%81%D0%B5%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC%20%D0%B8%20%D1%86%D0%B5%D0%BD%D0%B7%D1%83%D1%80%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%D0%BC.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/4.1%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D1%81%20%D1%83%D1%81%D0%B5%D1%87%D1%91%D0%BD%D0%BD%D0%BE%D0%B9%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D0%B9%20%D0%BF%D0%B5%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D0%BE%D0%B9.R Файл с кодом, часть 1]

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/4.2.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D0%A2%D0%BE%D0%B1%D0%B8%D0%BD%D0%B0.R Файл с кодом, часть 2]

==Неделя 7. Модели с неслучайным отбором==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/7.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%81%20%D0%BD%D0%B5%D1%81%D0%BB%D1%83%D1%87%D0%B0%D0%B9%D0%BD%D1%8B%D0%BC%20%D0%BE%D1%82%D0%B1%D0%BE%D1%80%D0%BE%D0%BC.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/5.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%A5%D0%B5%D0%BA%D0%BC%D0%B0%D0%BD%D0%B0.r Файл с кодом]

==Неделя 8. Модели с эндогенным переключением==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/8.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%81%20%D1%8D%D0%BD%D0%B4%D0%BE%D0%B3%D0%B5%D0%BD%D0%BD%D1%8B%D0%BC%20%D0%BF%D0%B5%D1%80%D0%B5%D0%BA%D0%BB%D1%8E%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D1%81%20%D1%8D%D0%BD%D0%B4%D0%BE%D0%B3%D0%B5%D0%BD%D0%BD%D1%8B%D0%BC%20%D0%BF%D0%B5%D1%80%D0%B5%D0%BA%D0%BB%D1%8E%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC.r Файл с кодом]

==Неделя 9. Модели частотных данных==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/9.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B4%D0%BB%D1%8F%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D0%BD%D1%8B%D1%85%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.pdf Презентация лекции]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/7.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D0%BD%D1%8B%D1%85%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.r Файл с кодом]

==Основная литература==

* [https://press.princeton.edu/books/hardcover/9780691235899/econometrics B. Hansen. Econometrics]

* [https://www.amazon.com/Econometric-Analysis-8th-William-Greene/dp/0134461363 William H. Greene. Econometric Analysis (8th Edition)]

* [https://www.ozon.ru/context/detail/id/29965383/ Путеводитель по современной эконометрике : учеб. пособие для вузов, Вербик М., Банникова В. А., 2008]

Машинное обучение в экономике бакалавриат 2025-2026

2026-04-02T16:10:38Z

Potanin:

== Материалы для повторения ==

Викистранички курсов по теории вероятностей и математической статистике:

* [http://wiki.cs.hse.ru/Теория_вероятностей_и_статистика,_МИРЭК,_2023-2024 МИРЭК]
* [http://wiki.cs.hse.ru/Econ_probability_2023-24 Экономика]

Видео про применение python в математической статистике:

* [https://youtu.be/F7dJmORBXzM Часть 1]
* [https://youtu.be/VKHr1Po9ztI Часть 2]
* [https://youtu.be/3ZGq472-XbE Часть 3]
* [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm Код к видео]

== Информация о курсе ==

'''Оценка''' = 0.1 * Активность + 0.25 * Домашнее задание + 0.65 * Экзамен

== Домашнее задание ==

=== Домашнее задание ===

'''Дедлайн''': будет объявлен позже

== Экзамен ==

'''Дата''': будет объявлена позже

=== Экзамены прошлых лет ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%92%D1%81%D1%82%D1%83%D0%BF%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D0%B5%20%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5.%20%D0%9C%D0%9E.%202023-2024.pdf Первый пример экзамена с решениями 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9F%D1%80%D0%B5%D0%B4%D0%B2%D0%B0%D1%80%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9.%20%D0%9C%D0%9E.%202023-2024.pdf Второй пример экзамена с решениями, 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9C%D0%9E.%202023-2024.pdf Экзамен 2023-2024 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD%20%D0%9C%D0%9E%20%D0%9C%D0%B0%D0%B3%D0%B8%D1%81%D1%82%D1%80%D0%B0%D1%82%D1%83%D1%80%D0%B0%202024-2025%20%D1%80%D0%B5%D1%88%D0%B5%D0%BD%D0%B8%D0%B5.pdf Экзамен 2024-2025 с решениями, магистратура]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Бакалавриат%202024-2025.pdf Экзамен 2024-2025 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Магистратура%202025-2026%20решения.pdf Экзамен 2025-2026 с решениями, магистратура]

== Консультации ==

=== Консультация перед экзаменом на лекции 2023-2024 ===
*[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9A%D0%BE%D0%BD%D1%81%D1%83%D0%BB%D1%8C%D1%82%D0%B0%D1%86%D0%B8%D1%8F.%20%D0%9C%D0%9E.%202023-2024.pdf Задачи]
*[https://youtu.be/chChWaDkYEI Видео 1]
*[https://youtu.be/si0jgqis1fY Видео 2]
*[https://youtu.be/ET47Z_r9B98 Видео 3]
*[https://youtu.be/m8Crj5Nh_20 Видео 4]

=== Консультация о генерации данных для домашней работы 2023-2024 ===

* [https://colab.research.google.com/drive/15l0cILQJZdi3RXKScGG8K0jjbLtbcS5G?usp=sharing Код консультации]
* [https://youtu.be/B5w5HPFkbTo Видео, часть 1]
* [https://youtu.be/PFbkJITNa7A Видео, часть 2]

== Неделя 0. Введение в машинное обучение ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Лекция%200.%20Введение%20в%20машинное%20обучение.pdf Слайды лекции]

== Неделя 1. Байесовские сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1Iq1zomLp2kZ1kAffPeFyzHFtdvhbuTR2?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 6.

2. MLPP глава 10.

== Неделя 2. Метод ближайших соседей ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Слайды лекции]

[https://colab.research.google.com/drive/1a2sgrKj_ap58JKRixlG2xvopTmV7dU_8?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 5.

2. MLPP глава 16.

== Неделя 3. Деревья ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%203.%20%D0%94%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vXOMuDUFSxqO4XFpvvcpf4SWokIx4Lk9?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%203.%20%D0%A0%D0%B5%D1%88%D0%B0%D1%8E%D1%89%D0%B8%D0%B5%20%D0%B4%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 4.

== Неделя 4. Логистическая регрессия и метод опорных векторов ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BE%D0%BF%D0%BE%D1%80%D0%BD%D1%8B%D1%85%20%D0%B2%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BE%D0%B2.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vqEDTOwBGkz0mEM4i4SPxHvVRrJfTjmy?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9%20%D0%B1%D1%83%D1%81%D1%82%D0%B8%D0%BD%D0%B3.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 7.

2. MLPP главы 8 и 14.5.

=== Дополнительные материалы ===

1. [https://projecteuclid.org/journalArticle/Download?urlId=10.1214%2Faos%2F1013203451 Статья, в которой был предложен градиентный бустинг]

== Неделя 5. Машинное обучение в эконометрике ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Слайды лекции]

[https://colab.research.google.com/drive/11ss8xdr6B3FPeIExktOZ90GFzGAS7mq5?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. HBE глава 29.

=== Дополнительные материалы ===

1. [https://www.jstatsoft.org/index.php/jss/article/view/v108i03/4527 Двойное машинное обучение в R]

2. [https://arxiv.org/pdf/2301.09397.pdf Двойное машинное обучение в STATA]

3. [https://jmlr.org/papers/volume23/21-0862/21-0862.pdf Двойное машинное обучение в python].

4. [https://www.youtube.com/watch?v=eHOjmyoPCFU&t=1552s Видео лекции о теории двойного машинного обучения от создателя метода]

5. [https://www.youtube.com/watch?v=ErecsyKEq74 Видео лекции о программной реализации двойного машинного обучения от создателей пакета]

'''Примечание''': пакеты в R и python разработаны одними и теми же людьми, поэтому практически идентичны. Однако, в статье про пакет в R все расписано гораздо подробней и понятней, с большим числом наглядных примеров и наиболее важными теоретическими выкладками.

== Неделя 6. Эффекты воздействия ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1uFqihpgQxbPw61kz3N2icOzqPGeK_H-d?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

2. HBE главы 12.34 и 29.22.

=== Дополнительные материалы ===

[https://mixtape.scunning.com Простое, но достаточно подробное введение в causal inference.]

[https://arxiv.org/pdf/2511.12640 Двойное машинное обучение в моделях с неслучайным отбором]

[https://academic.oup.com/ectj/article/27/2/213/7602388?login=false Примеры использования машинного обучения для оценивания эффектов воздействия в прикладных исследованиях]

== Неделя 7. Нейронные сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1QuoHICOPZNfj3Z0ZpYC248zRAwqDSXfU?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

=== Дополнительные материалы ===

[https://www.cs.toronto.edu/~rsalakhu/papers/srivastava14a.pdf 1. Статья, в которой был предложен метод исключения (dropout).]

== Неделя 8. Рекуррентные нейронные сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%208.%20%D0%A0%D0%B5%D0%BA%D1%83%D1%80%D1%80%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B5%20%D0%BD%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1R--ZslnpKE47FAk9X4I8YefqZm0sIn2J?usp=sharing Код семинара]

[https://colab.research.google.com/drive/1-pXQi7FqvXT_NmQafbKF6bmmk1PSEMQ2?usp=sharing Код лекции]

== Неделя 9. Большие языковые модели ==

=== Основные материалы ===

[https://colab.research.google.com/drive/1-pXQi7FqvXT_NmQafbKF6bmmk1PSEMQ2?usp=sharing Код лекции]

[https://colab.research.google.com/drive/12CwGbEFp0nBiRJnKJIppdKDio8PBsJQW?usp=sharing Код семинара]

= Список литературы =

# '''FOML''' - [https://www.amazon.com/Fundamentals-Machine-Learning-Predictive-Analytics/dp/0262029448 Fundamentals of machine learning for predictive data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy.] '''Низкая сложность'''
# '''HBE''' - [https://www.amazon.com/Econometrics-Bruce-Hansen/dp/0691235899 Econometrics. Hansen B.] '''Средняя сложность'''
# '''CMLE''' - [https://causalml-book.org Applied Causal Inference Powered by ML and AI. V. Chernozhukov, C. Hansen, N. Kallus, M. Spindler, V. Syrgkanis] '''Средняя сложность'''
# '''MLPP''' - [https://www.amazon.com/Machine-Learning-Probabilistic-Perspective-Computation/dp/0262018020 Machine learning a probabilistic perspective. Kevin P. Murphy.] '''Высокая сложность'''

Машинное обучение в экономике бакалавриат 2025-2026

2026-04-02T16:09:54Z

Potanin:

== Материалы для повторения ==

Викистранички курсов по теории вероятностей и математической статистике:

* [http://wiki.cs.hse.ru/Теория_вероятностей_и_статистика,_МИРЭК,_2023-2024 МИРЭК]
* [http://wiki.cs.hse.ru/Econ_probability_2023-24 Экономика]

Видео про применение python в математической статистике:

* [https://youtu.be/F7dJmORBXzM Часть 1]
* [https://youtu.be/VKHr1Po9ztI Часть 2]
* [https://youtu.be/3ZGq472-XbE Часть 3]
* [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm Код к видео]

== Информация о курсе ==

'''Оценка''' = 0.1 * Активность + 0.25 * Домашнее задание + 0.65 * Экзамен

== Домашнее задание ==

=== Домашнее задание ===

'''Дедлайн''': будет объявлен позже

== Экзамен ==

'''Дата''': будет объявлена позже

=== Экзамены прошлых лет ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%92%D1%81%D1%82%D1%83%D0%BF%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D0%B5%20%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5.%20%D0%9C%D0%9E.%202023-2024.pdf Первый пример экзамена с решениями 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9F%D1%80%D0%B5%D0%B4%D0%B2%D0%B0%D1%80%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9.%20%D0%9C%D0%9E.%202023-2024.pdf Второй пример экзамена с решениями, 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9C%D0%9E.%202023-2024.pdf Экзамен 2023-2024 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD%20%D0%9C%D0%9E%20%D0%9C%D0%B0%D0%B3%D0%B8%D1%81%D1%82%D1%80%D0%B0%D1%82%D1%83%D1%80%D0%B0%202024-2025%20%D1%80%D0%B5%D1%88%D0%B5%D0%BD%D0%B8%D0%B5.pdf Экзамен 2024-2025 с решениями, магистратура]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Бакалавриат%202024-2025.pdf Экзамен 2024-2025 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Магистратура%202025-2026%20решения.pdf Экзамен 2025-2026 с решениями, магистратура]

== Консультации ==

=== Консультация перед экзаменом на лекции 2023-2024 ===
*[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9A%D0%BE%D0%BD%D1%81%D1%83%D0%BB%D1%8C%D1%82%D0%B0%D1%86%D0%B8%D1%8F.%20%D0%9C%D0%9E.%202023-2024.pdf Задачи]
*[https://youtu.be/chChWaDkYEI Видео 1]
*[https://youtu.be/si0jgqis1fY Видео 2]
*[https://youtu.be/ET47Z_r9B98 Видео 3]
*[https://youtu.be/m8Crj5Nh_20 Видео 4]

=== Консультация о генерации данных для домашней работы 2023-2024 ===

* [https://colab.research.google.com/drive/15l0cILQJZdi3RXKScGG8K0jjbLtbcS5G?usp=sharing Код консультации]
* [https://youtu.be/B5w5HPFkbTo Видео, часть 1]
* [https://youtu.be/PFbkJITNa7A Видео, часть 2]

== Неделя 0. Введение в машинное обучение ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Лекция%200.%20Введение%20в%20машинное%20обучение.pdf Слайды лекции]

== Неделя 1. Байесовские сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1Iq1zomLp2kZ1kAffPeFyzHFtdvhbuTR2?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 6.

2. MLPP глава 10.

== Неделя 2. Метод ближайших соседей ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Слайды лекции]

[https://colab.research.google.com/drive/1a2sgrKj_ap58JKRixlG2xvopTmV7dU_8?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 5.

2. MLPP глава 16.

== Неделя 3. Деревья ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%203.%20%D0%94%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vXOMuDUFSxqO4XFpvvcpf4SWokIx4Lk9?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%203.%20%D0%A0%D0%B5%D1%88%D0%B0%D1%8E%D1%89%D0%B8%D0%B5%20%D0%B4%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 4.

== Неделя 4. Логистическая регрессия и метод опорных векторов ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BE%D0%BF%D0%BE%D1%80%D0%BD%D1%8B%D1%85%20%D0%B2%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BE%D0%B2.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vqEDTOwBGkz0mEM4i4SPxHvVRrJfTjmy?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9%20%D0%B1%D1%83%D1%81%D1%82%D0%B8%D0%BD%D0%B3.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 7.

2. MLPP главы 8 и 14.5.

=== Дополнительные материалы ===

1. [https://projecteuclid.org/journalArticle/Download?urlId=10.1214%2Faos%2F1013203451 Статья, в которой был предложен градиентный бустинг]

= Список литературы =

# '''FOML''' - [https://www.amazon.com/Fundamentals-Machine-Learning-Predictive-Analytics/dp/0262029448 Fundamentals of machine learning for predictive data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy.] '''Низкая сложность'''
# '''HBE''' - [https://www.amazon.com/Econometrics-Bruce-Hansen/dp/0691235899 Econometrics. Hansen B.] '''Средняя сложность'''
# '''CMLE''' - [https://causalml-book.org Applied Causal Inference Powered by ML and AI. V. Chernozhukov, C. Hansen, N. Kallus, M. Spindler, V. Syrgkanis] '''Средняя сложность'''
# '''MLPP''' - [https://www.amazon.com/Machine-Learning-Probabilistic-Perspective-Computation/dp/0262018020 Machine learning a probabilistic perspective. Kevin P. Murphy.] '''Высокая сложность'''

== Неделя 5. Машинное обучение в эконометрике ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Слайды лекции]

[https://colab.research.google.com/drive/11ss8xdr6B3FPeIExktOZ90GFzGAS7mq5?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. HBE глава 29.

=== Дополнительные материалы ===

1. [https://www.jstatsoft.org/index.php/jss/article/view/v108i03/4527 Двойное машинное обучение в R]

2. [https://arxiv.org/pdf/2301.09397.pdf Двойное машинное обучение в STATA]

3. [https://jmlr.org/papers/volume23/21-0862/21-0862.pdf Двойное машинное обучение в python].

4. [https://www.youtube.com/watch?v=eHOjmyoPCFU&t=1552s Видео лекции о теории двойного машинного обучения от создателя метода]

5. [https://www.youtube.com/watch?v=ErecsyKEq74 Видео лекции о программной реализации двойного машинного обучения от создателей пакета]

'''Примечание''': пакеты в R и python разработаны одними и теми же людьми, поэтому практически идентичны. Однако, в статье про пакет в R все расписано гораздо подробней и понятней, с большим числом наглядных примеров и наиболее важными теоретическими выкладками.

== Неделя 6. Эффекты воздействия ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1uFqihpgQxbPw61kz3N2icOzqPGeK_H-d?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

2. HBE главы 12.34 и 29.22.

=== Дополнительные материалы ===

[https://mixtape.scunning.com Простое, но достаточно подробное введение в causal inference.]

[https://arxiv.org/pdf/2511.12640 Двойное машинное обучение в моделях с неслучайным отбором]

[https://academic.oup.com/ectj/article/27/2/213/7602388?login=false Примеры использования машинного обучения для оценивания эффектов воздействия в прикладных исследованиях]

== Неделя 7. Нейронные сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1QuoHICOPZNfj3Z0ZpYC248zRAwqDSXfU?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

=== Дополнительные материалы ===

[https://www.cs.toronto.edu/~rsalakhu/papers/srivastava14a.pdf 1. Статья, в которой был предложен метод исключения (dropout).]

== Неделя 8. Рекуррентные нейронные сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%208.%20%D0%A0%D0%B5%D0%BA%D1%83%D1%80%D1%80%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B5%20%D0%BD%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1R--ZslnpKE47FAk9X4I8YefqZm0sIn2J?usp=sharing Код семинара]

[https://colab.research.google.com/drive/1-pXQi7FqvXT_NmQafbKF6bmmk1PSEMQ2?usp=sharing Код лекции]

== Неделя 9. Большие языковые модели ==

=== Основные материалы ===

[https://colab.research.google.com/drive/1-pXQi7FqvXT_NmQafbKF6bmmk1PSEMQ2?usp=sharing Код лекции]

[https://colab.research.google.com/drive/12CwGbEFp0nBiRJnKJIppdKDio8PBsJQW?usp=sharing Код семинара]

Микроэконометрика магистратура 2025-2026

2026-04-01T17:58:46Z

Potanin: /* Общая информация */

==Вводный курс по R==

Занятия по микроэконометрике проходят в R. Те, кому не знаком данный язык, могут быстро изучить его просмотрев курс видеолекций с задачами и решениями:

* Урок 1. [https://youtu.be/paIf9LCMprY Компиляция кода]

* Урок 2. [https://youtu.be/tL1F12_iNlc Создание и использование переменных]

* Урок 3. [https://youtu.be/sM3DeJtGLPY Типы переменных]

* Урок 4. [https://youtu.be/zGM_SgthBe4 Векторы]

* Урок 5. [https://youtu.be/PrgrnK395Vc Использование функций]

* Урок 6. [https://youtu.be/uaoz4f-zKjY Создание функций]

* Урок 7. [https://youtu.be/HkX5dM4R3D8 Логические выражения]

* Урок 8. [https://youtu.be/m1bib2AyXlI Базовые типы объектов]

* Урок 9. [https://youtu.be/KBm7fzgALU0 Листы]

* Урок 10. [https://youtu.be/apkzLT_2o6U Атрибуты и классы]

* Урок 11. [https://youtu.be/LlSrLdd8L10 Матрицы и массивы]

* Урок 12. [https://youtu.be/47m_JUpQjTA Датафреймы]

* Урок 13. [https://youtu.be/VAtQSSLUbF8 Выбор элементов по логическому вектору]

* Урок 14. [https://youtu.be/tnRn7KRV2YE Сортировка]

* Урок 15. [https://youtu.be/1cH3DlEh6M0 Циклы]

* Урок 16. [https://youtu.be/uGERbID7WzI Факторы]

* Урок 17. [https://youtu.be/SPd5fN1Ug3A Библиотеки (пакеты)]

* Урок 18. [https://youtu.be/xeMJehWKVnk Функция apply]

* Урок 19. [https://youtu.be/ai7v6pr83Sk Графики]

* Урок 20. [https://youtu.be/nvbHgE-Eb68 Пропуски]

* Урок 21. [https://youtu.be/nJ5dZweMu68 Числа с плавающей точкой (сложно)]

* Урок 22. [https://youtu.be/RKagzF99I6I Численное дифференцирование]

* Урок 23. [https://youtu.be/chtyhopWVbY Численная оптимизация]

Также, для изучения R можно использовать:

* [https://www.datacamp.com/courses/free-introduction-to-r?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631908&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=278443377113&utm_targetid=aud-299261629574:dsa-498578053884&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FI5QRm-u5mcfhauXXd9LHMpGWMcD1ym_Hm2ss33YJuhVuCj0eKq_4aAu00EALw_wcB datacamp]

* [https://education.rstudio.com Официальный курс от R-Studio]

* [https://dmkpress.com/catalog/computer/statistics/978-5-97060-835-7/ Книга рецептов R]

Инструкции по установке R и R-studio:

* [https://www.datacamp.com/community/tutorials/installing-R-windows-mac-ubuntu?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631748&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=332602034358&utm_targetid=aud-299261629574:dsa-429603003980&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FJfBlVwhdYEaqeUbjYcaqzOsPfR-9kHB0TFjsJ9bBcZ0qXkvBIRbAaAnKlEALw_wcB Инструкция от datacamp]

* [https://www.youtube.com/watch?v=orjLGFmx6l4 Видео на youtube]

== Материалы курса в STATA ==

Для воспроизведения .do файлов вам понадобятся данные по индивидам 25-й волны РМЭЗ в .dta формате (полная выборка), которые можно скачать по [https://www.hse.ru/data/2017/10/03/1173710457/r25iall26c.dta ссылке].

1. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/1.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F%20%D0%B8%20%D1%87%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D0%B8.do Метод максимального правдоподобия и численные методы оптимизации]

2. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/2.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Классические модели бинарного выбора]

3. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/3.%20%D0%92%D1%8B%D0%B1%D0%BE%D1%80%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B9%20%D1%81%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D0%B8%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Выбор оптимальной спецификации модели бинарного выбора]

4. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/4.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели порядкового выбора]

5. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/5.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели множественного выбора]

6. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%BD%D0%B8%D0%B5%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D1%8B%20%D0%B8%20%D0%B2%D0%BB%D0%BE%D0%B6%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80.do Моделированние частоты и вложенный выбор]

7. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/7.%20%D0%A3%D1%81%D0%B5%D1%87%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8.do Усеченные модели]

8. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/8.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%A5%D0%B5%D0%BA%D0%BC%D0%B0%D0%BD%D0%B0.do Метод Хекмана]

=Формула оценки=

Оценка = 0.1 * Активность + 0.25 * Домашнее задание 1 + 0.25 * Домашнее задание 2 + 0.2 * Экзамен + 0.2 * Презентация

==Неделя 1. Вводная лекция==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/1.%20%D0%92%D1%81%D1%82%D1%83%D0%BF%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%B0%D1%8F%20%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D1%8F.pdf Презентация]

Дополнительные материалы:
*[https://youtu.be/Yzs66eHKaiU Повторение метода максимального правдоподобия в R (видео)]
*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/0.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F.R Повторение метода максимального правдоподобия в R (файл)]

==Неделя 2. Модели бинарного выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/2.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/1.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.R Файл с кодом]

==Неделя 3. Спецификация моделей бинарного выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/3.%20%D0%A1%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B5%D0%B9%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/2.%20%D0%A1%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B5%D0%B9%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.R Файл с кодом]

==Неделя 4. Модели порядкового выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/4.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.pdf Презентация]

Материалы для самостоятельного изучения:

*[https://github.com/bogdanpotanin/Microeconometrics-2021/raw/main/7.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.r Файл с кодом]

==Неделя 5. Система бинарных уравнений и модель множественного выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/5.%20%D0%A1%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D1%8B%20%D1%83%D1%80%D0%B0%D0%B2%D0%BD%D0%B5%D0%BD%D0%B8%D0%B9.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/3.1.%20%D0%A1%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D1%8B%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D1%8B%D1%85%20%D1%83%D1%80%D0%B0%D0%B2%D0%BD%D0%B5%D0%BD%D0%B8%D0%B9.r Файл с кодом, часть 1]

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/3.2.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.R Файл с кодом, часть 2]

==Неделя 6. Модели с усечением и цензурированием==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%81%20%D1%83%D1%81%D0%B5%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC%20%D0%B8%20%D1%86%D0%B5%D0%BD%D0%B7%D1%83%D1%80%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%D0%BC.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/4.1%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D1%81%20%D1%83%D1%81%D0%B5%D1%87%D1%91%D0%BD%D0%BD%D0%BE%D0%B9%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D0%B9%20%D0%BF%D0%B5%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D0%BE%D0%B9.R Файл с кодом, часть 1]

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/4.2.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D0%A2%D0%BE%D0%B1%D0%B8%D0%BD%D0%B0.R Файл с кодом, часть 2]

==Неделя 7. Модели с неслучайным отбором==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/7.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%81%20%D0%BD%D0%B5%D1%81%D0%BB%D1%83%D1%87%D0%B0%D0%B9%D0%BD%D1%8B%D0%BC%20%D0%BE%D1%82%D0%B1%D0%BE%D1%80%D0%BE%D0%BC.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/5.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%A5%D0%B5%D0%BA%D0%BC%D0%B0%D0%BD%D0%B0.r Файл с кодом]

==Неделя 8. Модели с эндогенным переключением==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/8.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%81%20%D1%8D%D0%BD%D0%B4%D0%BE%D0%B3%D0%B5%D0%BD%D0%BD%D1%8B%D0%BC%20%D0%BF%D0%B5%D1%80%D0%B5%D0%BA%D0%BB%D1%8E%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D1%81%20%D1%8D%D0%BD%D0%B4%D0%BE%D0%B3%D0%B5%D0%BD%D0%BD%D1%8B%D0%BC%20%D0%BF%D0%B5%D1%80%D0%B5%D0%BA%D0%BB%D1%8E%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC.r Файл с кодом]

==Неделя 9. Модели частотных данных==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/9.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B4%D0%BB%D1%8F%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D0%BD%D1%8B%D1%85%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.pdf Презентация лекции]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/7.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D0%BD%D1%8B%D1%85%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.r Файл с кодом]

==Основная литература==

* [https://press.princeton.edu/books/hardcover/9780691235899/econometrics B. Hansen. Econometrics]

* [https://www.amazon.com/Econometric-Analysis-8th-William-Greene/dp/0134461363 William H. Greene. Econometric Analysis (8th Edition)]

* [https://www.ozon.ru/context/detail/id/29965383/ Путеводитель по современной эконометрике : учеб. пособие для вузов, Вербик М., Банникова В. А., 2008]

Микроэконометрика магистратура 2025-2026

2026-04-01T17:58:35Z

Potanin: /* Неделя 1. Вводная лекция */

== Общая информация ==

*Формула оценки

==Вводный курс по R==

Занятия по микроэконометрике проходят в R. Те, кому не знаком данный язык, могут быстро изучить его просмотрев курс видеолекций с задачами и решениями:

* Урок 1. [https://youtu.be/paIf9LCMprY Компиляция кода]

* Урок 2. [https://youtu.be/tL1F12_iNlc Создание и использование переменных]

* Урок 3. [https://youtu.be/sM3DeJtGLPY Типы переменных]

* Урок 4. [https://youtu.be/zGM_SgthBe4 Векторы]

* Урок 5. [https://youtu.be/PrgrnK395Vc Использование функций]

* Урок 6. [https://youtu.be/uaoz4f-zKjY Создание функций]

* Урок 7. [https://youtu.be/HkX5dM4R3D8 Логические выражения]

* Урок 8. [https://youtu.be/m1bib2AyXlI Базовые типы объектов]

* Урок 9. [https://youtu.be/KBm7fzgALU0 Листы]

* Урок 10. [https://youtu.be/apkzLT_2o6U Атрибуты и классы]

* Урок 11. [https://youtu.be/LlSrLdd8L10 Матрицы и массивы]

* Урок 12. [https://youtu.be/47m_JUpQjTA Датафреймы]

* Урок 13. [https://youtu.be/VAtQSSLUbF8 Выбор элементов по логическому вектору]

* Урок 14. [https://youtu.be/tnRn7KRV2YE Сортировка]

* Урок 15. [https://youtu.be/1cH3DlEh6M0 Циклы]

* Урок 16. [https://youtu.be/uGERbID7WzI Факторы]

* Урок 17. [https://youtu.be/SPd5fN1Ug3A Библиотеки (пакеты)]

* Урок 18. [https://youtu.be/xeMJehWKVnk Функция apply]

* Урок 19. [https://youtu.be/ai7v6pr83Sk Графики]

* Урок 20. [https://youtu.be/nvbHgE-Eb68 Пропуски]

* Урок 21. [https://youtu.be/nJ5dZweMu68 Числа с плавающей точкой (сложно)]

* Урок 22. [https://youtu.be/RKagzF99I6I Численное дифференцирование]

* Урок 23. [https://youtu.be/chtyhopWVbY Численная оптимизация]

Также, для изучения R можно использовать:

* [https://www.datacamp.com/courses/free-introduction-to-r?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631908&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=278443377113&utm_targetid=aud-299261629574:dsa-498578053884&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FI5QRm-u5mcfhauXXd9LHMpGWMcD1ym_Hm2ss33YJuhVuCj0eKq_4aAu00EALw_wcB datacamp]

* [https://education.rstudio.com Официальный курс от R-Studio]

* [https://dmkpress.com/catalog/computer/statistics/978-5-97060-835-7/ Книга рецептов R]

Инструкции по установке R и R-studio:

* [https://www.datacamp.com/community/tutorials/installing-R-windows-mac-ubuntu?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631748&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=332602034358&utm_targetid=aud-299261629574:dsa-429603003980&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FJfBlVwhdYEaqeUbjYcaqzOsPfR-9kHB0TFjsJ9bBcZ0qXkvBIRbAaAnKlEALw_wcB Инструкция от datacamp]

* [https://www.youtube.com/watch?v=orjLGFmx6l4 Видео на youtube]

== Материалы курса в STATA ==

Для воспроизведения .do файлов вам понадобятся данные по индивидам 25-й волны РМЭЗ в .dta формате (полная выборка), которые можно скачать по [https://www.hse.ru/data/2017/10/03/1173710457/r25iall26c.dta ссылке].

1. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/1.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F%20%D0%B8%20%D1%87%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D0%B8.do Метод максимального правдоподобия и численные методы оптимизации]

2. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/2.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Классические модели бинарного выбора]

3. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/3.%20%D0%92%D1%8B%D0%B1%D0%BE%D1%80%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B9%20%D1%81%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D0%B8%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Выбор оптимальной спецификации модели бинарного выбора]

4. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/4.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели порядкового выбора]

5. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/5.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели множественного выбора]

6. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%BD%D0%B8%D0%B5%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D1%8B%20%D0%B8%20%D0%B2%D0%BB%D0%BE%D0%B6%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80.do Моделированние частоты и вложенный выбор]

7. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/7.%20%D0%A3%D1%81%D0%B5%D1%87%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8.do Усеченные модели]

8. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/8.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%A5%D0%B5%D0%BA%D0%BC%D0%B0%D0%BD%D0%B0.do Метод Хекмана]

=Формула оценки=

Оценка = 0.1 * Активность + 0.25 * Домашнее задание 1 + 0.25 * Домашнее задание 2 + 0.2 * Экзамен + 0.2 * Презентация

==Неделя 1. Вводная лекция==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/1.%20%D0%92%D1%81%D1%82%D1%83%D0%BF%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%B0%D1%8F%20%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D1%8F.pdf Презентация]

Дополнительные материалы:
*[https://youtu.be/Yzs66eHKaiU Повторение метода максимального правдоподобия в R (видео)]
*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/0.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F.R Повторение метода максимального правдоподобия в R (файл)]

==Неделя 2. Модели бинарного выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/2.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/1.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.R Файл с кодом]

==Неделя 3. Спецификация моделей бинарного выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/3.%20%D0%A1%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B5%D0%B9%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/2.%20%D0%A1%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B5%D0%B9%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.R Файл с кодом]

==Неделя 4. Модели порядкового выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/4.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.pdf Презентация]

Материалы для самостоятельного изучения:

*[https://github.com/bogdanpotanin/Microeconometrics-2021/raw/main/7.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.r Файл с кодом]

==Неделя 5. Система бинарных уравнений и модель множественного выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/5.%20%D0%A1%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D1%8B%20%D1%83%D1%80%D0%B0%D0%B2%D0%BD%D0%B5%D0%BD%D0%B8%D0%B9.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/3.1.%20%D0%A1%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D1%8B%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D1%8B%D1%85%20%D1%83%D1%80%D0%B0%D0%B2%D0%BD%D0%B5%D0%BD%D0%B8%D0%B9.r Файл с кодом, часть 1]

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/3.2.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.R Файл с кодом, часть 2]

==Неделя 6. Модели с усечением и цензурированием==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%81%20%D1%83%D1%81%D0%B5%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC%20%D0%B8%20%D1%86%D0%B5%D0%BD%D0%B7%D1%83%D1%80%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%D0%BC.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/4.1%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D1%81%20%D1%83%D1%81%D0%B5%D1%87%D1%91%D0%BD%D0%BD%D0%BE%D0%B9%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D0%B9%20%D0%BF%D0%B5%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D0%BE%D0%B9.R Файл с кодом, часть 1]

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/4.2.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D0%A2%D0%BE%D0%B1%D0%B8%D0%BD%D0%B0.R Файл с кодом, часть 2]

==Неделя 7. Модели с неслучайным отбором==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/7.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%81%20%D0%BD%D0%B5%D1%81%D0%BB%D1%83%D1%87%D0%B0%D0%B9%D0%BD%D1%8B%D0%BC%20%D0%BE%D1%82%D0%B1%D0%BE%D1%80%D0%BE%D0%BC.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/5.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%A5%D0%B5%D0%BA%D0%BC%D0%B0%D0%BD%D0%B0.r Файл с кодом]

==Неделя 8. Модели с эндогенным переключением==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/8.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%81%20%D1%8D%D0%BD%D0%B4%D0%BE%D0%B3%D0%B5%D0%BD%D0%BD%D1%8B%D0%BC%20%D0%BF%D0%B5%D1%80%D0%B5%D0%BA%D0%BB%D1%8E%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D1%81%20%D1%8D%D0%BD%D0%B4%D0%BE%D0%B3%D0%B5%D0%BD%D0%BD%D1%8B%D0%BC%20%D0%BF%D0%B5%D1%80%D0%B5%D0%BA%D0%BB%D1%8E%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC.r Файл с кодом]

==Неделя 9. Модели частотных данных==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/9.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B4%D0%BB%D1%8F%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D0%BD%D1%8B%D1%85%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.pdf Презентация лекции]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/7.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D0%BD%D1%8B%D1%85%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.r Файл с кодом]

==Основная литература==

* [https://press.princeton.edu/books/hardcover/9780691235899/econometrics B. Hansen. Econometrics]

* [https://www.amazon.com/Econometric-Analysis-8th-William-Greene/dp/0134461363 William H. Greene. Econometric Analysis (8th Edition)]

* [https://www.ozon.ru/context/detail/id/29965383/ Путеводитель по современной эконометрике : учеб. пособие для вузов, Вербик М., Банникова В. А., 2008]

Микроэконометрика магистратура 2025-2026

2026-04-01T17:36:45Z

Potanin: Новая страница: «== Общая информация == *Формула оценки ==Вводный курс по R== Занятия по микроэконометрике п…»

== Общая информация ==

*Формула оценки

==Вводный курс по R==

Занятия по микроэконометрике проходят в R. Те, кому не знаком данный язык, могут быстро изучить его просмотрев курс видеолекций с задачами и решениями:

* Урок 1. [https://youtu.be/paIf9LCMprY Компиляция кода]

* Урок 2. [https://youtu.be/tL1F12_iNlc Создание и использование переменных]

* Урок 3. [https://youtu.be/sM3DeJtGLPY Типы переменных]

* Урок 4. [https://youtu.be/zGM_SgthBe4 Векторы]

* Урок 5. [https://youtu.be/PrgrnK395Vc Использование функций]

* Урок 6. [https://youtu.be/uaoz4f-zKjY Создание функций]

* Урок 7. [https://youtu.be/HkX5dM4R3D8 Логические выражения]

* Урок 8. [https://youtu.be/m1bib2AyXlI Базовые типы объектов]

* Урок 9. [https://youtu.be/KBm7fzgALU0 Листы]

* Урок 10. [https://youtu.be/apkzLT_2o6U Атрибуты и классы]

* Урок 11. [https://youtu.be/LlSrLdd8L10 Матрицы и массивы]

* Урок 12. [https://youtu.be/47m_JUpQjTA Датафреймы]

* Урок 13. [https://youtu.be/VAtQSSLUbF8 Выбор элементов по логическому вектору]

* Урок 14. [https://youtu.be/tnRn7KRV2YE Сортировка]

* Урок 15. [https://youtu.be/1cH3DlEh6M0 Циклы]

* Урок 16. [https://youtu.be/uGERbID7WzI Факторы]

* Урок 17. [https://youtu.be/SPd5fN1Ug3A Библиотеки (пакеты)]

* Урок 18. [https://youtu.be/xeMJehWKVnk Функция apply]

* Урок 19. [https://youtu.be/ai7v6pr83Sk Графики]

* Урок 20. [https://youtu.be/nvbHgE-Eb68 Пропуски]

* Урок 21. [https://youtu.be/nJ5dZweMu68 Числа с плавающей точкой (сложно)]

* Урок 22. [https://youtu.be/RKagzF99I6I Численное дифференцирование]

* Урок 23. [https://youtu.be/chtyhopWVbY Численная оптимизация]

Также, для изучения R можно использовать:

* [https://www.datacamp.com/courses/free-introduction-to-r?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631908&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=278443377113&utm_targetid=aud-299261629574:dsa-498578053884&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FI5QRm-u5mcfhauXXd9LHMpGWMcD1ym_Hm2ss33YJuhVuCj0eKq_4aAu00EALw_wcB datacamp]

* [https://education.rstudio.com Официальный курс от R-Studio]

* [https://dmkpress.com/catalog/computer/statistics/978-5-97060-835-7/ Книга рецептов R]

Инструкции по установке R и R-studio:

* [https://www.datacamp.com/community/tutorials/installing-R-windows-mac-ubuntu?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631748&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=332602034358&utm_targetid=aud-299261629574:dsa-429603003980&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FJfBlVwhdYEaqeUbjYcaqzOsPfR-9kHB0TFjsJ9bBcZ0qXkvBIRbAaAnKlEALw_wcB Инструкция от datacamp]

* [https://www.youtube.com/watch?v=orjLGFmx6l4 Видео на youtube]

== Материалы курса в STATA ==

Для воспроизведения .do файлов вам понадобятся данные по индивидам 25-й волны РМЭЗ в .dta формате (полная выборка), которые можно скачать по [https://www.hse.ru/data/2017/10/03/1173710457/r25iall26c.dta ссылке].

1. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/1.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F%20%D0%B8%20%D1%87%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D0%B8.do Метод максимального правдоподобия и численные методы оптимизации]

2. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/2.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Классические модели бинарного выбора]

3. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/3.%20%D0%92%D1%8B%D0%B1%D0%BE%D1%80%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B9%20%D1%81%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D0%B8%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Выбор оптимальной спецификации модели бинарного выбора]

4. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/4.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели порядкового выбора]

5. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/5.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели множественного выбора]

6. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%BD%D0%B8%D0%B5%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D1%8B%20%D0%B8%20%D0%B2%D0%BB%D0%BE%D0%B6%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80.do Моделированние частоты и вложенный выбор]

7. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/7.%20%D0%A3%D1%81%D0%B5%D1%87%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8.do Усеченные модели]

8. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/8.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%A5%D0%B5%D0%BA%D0%BC%D0%B0%D0%BD%D0%B0.do Метод Хекмана]

==Неделя 1. Вводная лекция==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/1.%20%D0%92%D1%81%D1%82%D1%83%D0%BF%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%B0%D1%8F%20%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D1%8F.pdf Презентация]

Дополнительные материалы:
*[https://youtu.be/Yzs66eHKaiU Повторение метода максимального правдоподобия в R (видео)]
*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/0.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F.R Повторение метода максимального правдоподобия в R (файл)]

==Неделя 2. Модели бинарного выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/2.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/1.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.R Файл с кодом]

==Неделя 3. Спецификация моделей бинарного выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/3.%20%D0%A1%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B5%D0%B9%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/2.%20%D0%A1%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B5%D0%B9%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.R Файл с кодом]

==Неделя 4. Модели порядкового выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/4.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.pdf Презентация]

Материалы для самостоятельного изучения:

*[https://github.com/bogdanpotanin/Microeconometrics-2021/raw/main/7.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.r Файл с кодом]

==Неделя 5. Система бинарных уравнений и модель множественного выбора==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/5.%20%D0%A1%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D1%8B%20%D1%83%D1%80%D0%B0%D0%B2%D0%BD%D0%B5%D0%BD%D0%B8%D0%B9.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/3.1.%20%D0%A1%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D1%8B%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D1%8B%D1%85%20%D1%83%D1%80%D0%B0%D0%B2%D0%BD%D0%B5%D0%BD%D0%B8%D0%B9.r Файл с кодом, часть 1]

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/3.2.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.R Файл с кодом, часть 2]

==Неделя 6. Модели с усечением и цензурированием==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%81%20%D1%83%D1%81%D0%B5%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC%20%D0%B8%20%D1%86%D0%B5%D0%BD%D0%B7%D1%83%D1%80%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%D0%BC.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/4.1%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D1%81%20%D1%83%D1%81%D0%B5%D1%87%D1%91%D0%BD%D0%BD%D0%BE%D0%B9%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D0%B9%20%D0%BF%D0%B5%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D0%BE%D0%B9.R Файл с кодом, часть 1]

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/4.2.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D0%A2%D0%BE%D0%B1%D0%B8%D0%BD%D0%B0.R Файл с кодом, часть 2]

==Неделя 7. Модели с неслучайным отбором==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/7.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%81%20%D0%BD%D0%B5%D1%81%D0%BB%D1%83%D1%87%D0%B0%D0%B9%D0%BD%D1%8B%D0%BC%20%D0%BE%D1%82%D0%B1%D0%BE%D1%80%D0%BE%D0%BC.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/5.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%A5%D0%B5%D0%BA%D0%BC%D0%B0%D0%BD%D0%B0.r Файл с кодом]

==Неделя 8. Модели с эндогенным переключением==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/8.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%81%20%D1%8D%D0%BD%D0%B4%D0%BE%D0%B3%D0%B5%D0%BD%D0%BD%D1%8B%D0%BC%20%D0%BF%D0%B5%D1%80%D0%B5%D0%BA%D0%BB%D1%8E%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC.pdf Презентация]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D1%81%20%D1%8D%D0%BD%D0%B4%D0%BE%D0%B3%D0%B5%D0%BD%D0%BD%D1%8B%D0%BC%20%D0%BF%D0%B5%D1%80%D0%B5%D0%BA%D0%BB%D1%8E%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC.r Файл с кодом]

==Неделя 9. Модели частотных данных==

Материалы лекции:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/9.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B4%D0%BB%D1%8F%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D0%BD%D1%8B%D1%85%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.pdf Презентация лекции]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/raw/main/7.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D0%BD%D1%8B%D1%85%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.r Файл с кодом]

==Основная литература==

* [https://press.princeton.edu/books/hardcover/9780691235899/econometrics B. Hansen. Econometrics]

* [https://www.amazon.com/Econometric-Analysis-8th-William-Greene/dp/0134461363 William H. Greene. Econometric Analysis (8th Edition)]

* [https://www.ozon.ru/context/detail/id/29965383/ Путеводитель по современной эконометрике : учеб. пособие для вузов, Вербик М., Банникова В. А., 2008]

Машинное обучение в экономике магистратура онлайн 2025-2026

2026-04-01T17:30:54Z

Potanin: Новая страница: «== Материалы для повторения == Викистранички курсов по теории вероятностей и математичес…»

== Материалы для повторения ==

Викистранички курсов по теории вероятностей и математической статистике:

* [http://wiki.cs.hse.ru/Теория_вероятностей_и_статистика,_МИРЭК,_2023-2024 МИРЭК]
* [http://wiki.cs.hse.ru/Econ_probability_2023-24 Экономика]

Видео про применение python в математической статистике:

* [https://youtu.be/F7dJmORBXzM Часть 1]
* [https://youtu.be/VKHr1Po9ztI Часть 2]
* [https://youtu.be/3ZGq472-XbE Часть 3]
* [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm Код к видео]

== Информация о курсе ==

'''Оценка''' = 0.01 * ДЗ1 + 0.29 * ДЗ2 + 0.7 * Экзамен

== Домашнее задание ==

=== Домашнее задание ===

'''Дедлайн''': будет объявлен позже

== Экзамен ==

'''Дата''': будет объявлена позже

=== Экзамены прошлых лет ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%92%D1%81%D1%82%D1%83%D0%BF%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D0%B5%20%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5.%20%D0%9C%D0%9E.%202023-2024.pdf Первый пример экзамена с решениями 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9F%D1%80%D0%B5%D0%B4%D0%B2%D0%B0%D1%80%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9.%20%D0%9C%D0%9E.%202023-2024.pdf Второй пример экзамена с решениями, 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9C%D0%9E.%202023-2024.pdf Экзамен 2023-2024 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD%20%D0%9C%D0%9E%20%D0%9C%D0%B0%D0%B3%D0%B8%D1%81%D1%82%D1%80%D0%B0%D1%82%D1%83%D1%80%D0%B0%202024-2025%20%D1%80%D0%B5%D1%88%D0%B5%D0%BD%D0%B8%D0%B5.pdf Экзамен 2024-2025 с решениями, магистратура]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Бакалавриат%202024-2025.pdf Экзамен 2024-2025 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Магистратура%202025-2026%20решения.pdf Экзамен 2025-2026 с решениями, магистратура]

== Консультации ==

=== Консультация перед экзаменом на лекции 2023-2024 ===
*[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9A%D0%BE%D0%BD%D1%81%D1%83%D0%BB%D1%8C%D1%82%D0%B0%D1%86%D0%B8%D1%8F.%20%D0%9C%D0%9E.%202023-2024.pdf Задачи]
*[https://youtu.be/chChWaDkYEI Видео 1]
*[https://youtu.be/si0jgqis1fY Видео 2]
*[https://youtu.be/ET47Z_r9B98 Видео 3]
*[https://youtu.be/m8Crj5Nh_20 Видео 4]

=== Консультация о генерации данных для домашней работы 2023-2024 ===

* [https://colab.research.google.com/drive/15l0cILQJZdi3RXKScGG8K0jjbLtbcS5G?usp=sharing Код консультации]
* [https://youtu.be/B5w5HPFkbTo Видео, часть 1]
* [https://youtu.be/PFbkJITNa7A Видео, часть 2]

== Неделя 0. Введение в машинное обучение ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Лекция%200.%20Введение%20в%20машинное%20обучение.pdf Слайды лекции]

== Неделя 1. Байесовские сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1Iq1zomLp2kZ1kAffPeFyzHFtdvhbuTR2?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 6.

2. MLPP глава 10.

== Неделя 2. Метод ближайших соседей ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Слайды лекции]

[https://colab.research.google.com/drive/1a2sgrKj_ap58JKRixlG2xvopTmV7dU_8?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 5.

2. MLPP глава 16.

== Неделя 3. Деревья ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%203.%20%D0%94%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vXOMuDUFSxqO4XFpvvcpf4SWokIx4Lk9?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%203.%20%D0%A0%D0%B5%D1%88%D0%B0%D1%8E%D1%89%D0%B8%D0%B5%20%D0%B4%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 4.

== Неделя 4. Логистическая регрессия и метод опорных векторов ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BE%D0%BF%D0%BE%D1%80%D0%BD%D1%8B%D1%85%20%D0%B2%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BE%D0%B2.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vqEDTOwBGkz0mEM4i4SPxHvVRrJfTjmy?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9%20%D0%B1%D1%83%D1%81%D1%82%D0%B8%D0%BD%D0%B3.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 7.

2. MLPP главы 8 и 14.5.

=== Дополнительные материалы ===

1. [https://projecteuclid.org/journalArticle/Download?urlId=10.1214%2Faos%2F1013203451 Статья, в которой был предложен градиентный бустинг]

= Список литературы =

# '''FOML''' - [https://www.amazon.com/Fundamentals-Machine-Learning-Predictive-Analytics/dp/0262029448 Fundamentals of machine learning for predictive data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy.] '''Низкая сложность'''
# '''HBE''' - [https://www.amazon.com/Econometrics-Bruce-Hansen/dp/0691235899 Econometrics. Hansen B.] '''Средняя сложность'''
# '''CMLE''' - [https://causalml-book.org Applied Causal Inference Powered by ML and AI. V. Chernozhukov, C. Hansen, N. Kallus, M. Spindler, V. Syrgkanis] '''Средняя сложность'''
# '''MLPP''' - [https://www.amazon.com/Machine-Learning-Probabilistic-Perspective-Computation/dp/0262018020 Machine learning a probabilistic perspective. Kevin P. Murphy.] '''Высокая сложность'''

== Неделя 5. Машинное обучение в эконометрике ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Слайды лекции]

[https://colab.research.google.com/drive/11ss8xdr6B3FPeIExktOZ90GFzGAS7mq5?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. HBE глава 29.

=== Дополнительные материалы ===

1. [https://www.jstatsoft.org/index.php/jss/article/view/v108i03/4527 Двойное машинное обучение в R]

2. [https://arxiv.org/pdf/2301.09397.pdf Двойное машинное обучение в STATA]

3. [https://jmlr.org/papers/volume23/21-0862/21-0862.pdf Двойное машинное обучение в python].

4. [https://www.youtube.com/watch?v=eHOjmyoPCFU&t=1552s Видео лекции о теории двойного машинного обучения от создателя метода]

5. [https://www.youtube.com/watch?v=ErecsyKEq74 Видео лекции о программной реализации двойного машинного обучения от создателей пакета]

'''Примечание''': пакеты в R и python разработаны одними и теми же людьми, поэтому практически идентичны. Однако, в статье про пакет в R все расписано гораздо подробней и понятней, с большим числом наглядных примеров и наиболее важными теоретическими выкладками.

== Неделя 6. Эффекты воздействия ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1uFqihpgQxbPw61kz3N2icOzqPGeK_H-d?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

2. HBE главы 12.34 и 29.22.

=== Дополнительные материалы ===

[https://mixtape.scunning.com Простое, но достаточно подробное введение в causal inference.]

[https://arxiv.org/pdf/2511.12640 Двойное машинное обучение в моделях с неслучайным отбором]

[https://academic.oup.com/ectj/article/27/2/213/7602388?login=false Примеры использования машинного обучения для оценивания эффектов воздействия в прикладных исследованиях]

== Неделя 7. Нейронные сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1QuoHICOPZNfj3Z0ZpYC248zRAwqDSXfU?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

=== Дополнительные материалы ===

[https://www.cs.toronto.edu/~rsalakhu/papers/srivastava14a.pdf 1. Статья, в которой был предложен метод исключения (dropout).]

== Неделя 8. Рекуррентные нейронные сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%208.%20%D0%A0%D0%B5%D0%BA%D1%83%D1%80%D1%80%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B5%20%D0%BD%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1R--ZslnpKE47FAk9X4I8YefqZm0sIn2J?usp=sharing Код семинара]

[https://colab.research.google.com/drive/1-pXQi7FqvXT_NmQafbKF6bmmk1PSEMQ2?usp=sharing Код лекции]

== Неделя 9. Большие языковые модели ==

=== Основные материалы ===

[https://colab.research.google.com/drive/1-pXQi7FqvXT_NmQafbKF6bmmk1PSEMQ2?usp=sharing Код лекции]

[https://colab.research.google.com/drive/12CwGbEFp0nBiRJnKJIppdKDio8PBsJQW?usp=sharing Код семинара]

Машинное обучение в экономике бакалавриат 2025-2026

2026-04-01T17:29:35Z

== Материалы для повторения ==

Викистранички курсов по теории вероятностей и математической статистике:

* [http://wiki.cs.hse.ru/Теория_вероятностей_и_статистика,_МИРЭК,_2023-2024 МИРЭК]
* [http://wiki.cs.hse.ru/Econ_probability_2023-24 Экономика]

Видео про применение python в математической статистике:

* [https://youtu.be/F7dJmORBXzM Часть 1]
* [https://youtu.be/VKHr1Po9ztI Часть 2]
* [https://youtu.be/3ZGq472-XbE Часть 3]
* [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm Код к видео]

== Информация о курсе ==

'''Оценка''' = 0.01 * ДЗ1 + 0.29 * ДЗ2 + 0.7 * Экзамен

== Домашнее задание ==

=== Домашнее задание ===

'''Дедлайн''': будет объявлен позже

== Экзамен ==

'''Дата''': будет объявлена позже

=== Экзамены прошлых лет ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%92%D1%81%D1%82%D1%83%D0%BF%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D0%B5%20%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5.%20%D0%9C%D0%9E.%202023-2024.pdf Первый пример экзамена с решениями 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9F%D1%80%D0%B5%D0%B4%D0%B2%D0%B0%D1%80%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9.%20%D0%9C%D0%9E.%202023-2024.pdf Второй пример экзамена с решениями, 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9C%D0%9E.%202023-2024.pdf Экзамен 2023-2024 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD%20%D0%9C%D0%9E%20%D0%9C%D0%B0%D0%B3%D0%B8%D1%81%D1%82%D1%80%D0%B0%D1%82%D1%83%D1%80%D0%B0%202024-2025%20%D1%80%D0%B5%D1%88%D0%B5%D0%BD%D0%B8%D0%B5.pdf Экзамен 2024-2025 с решениями, магистратура]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Бакалавриат%202024-2025.pdf Экзамен 2024-2025 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Магистратура%202025-2026%20решения.pdf Экзамен 2025-2026 с решениями, магистратура]

== Консультации ==

=== Консультация перед экзаменом на лекции 2023-2024 ===
*[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9A%D0%BE%D0%BD%D1%81%D1%83%D0%BB%D1%8C%D1%82%D0%B0%D1%86%D0%B8%D1%8F.%20%D0%9C%D0%9E.%202023-2024.pdf Задачи]
*[https://youtu.be/chChWaDkYEI Видео 1]
*[https://youtu.be/si0jgqis1fY Видео 2]
*[https://youtu.be/ET47Z_r9B98 Видео 3]
*[https://youtu.be/m8Crj5Nh_20 Видео 4]

=== Консультация о генерации данных для домашней работы 2023-2024 ===

* [https://colab.research.google.com/drive/15l0cILQJZdi3RXKScGG8K0jjbLtbcS5G?usp=sharing Код консультации]
* [https://youtu.be/B5w5HPFkbTo Видео, часть 1]
* [https://youtu.be/PFbkJITNa7A Видео, часть 2]

== Неделя 0. Введение в машинное обучение ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Лекция%200.%20Введение%20в%20машинное%20обучение.pdf Слайды лекции]

== Неделя 1. Байесовские сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1Iq1zomLp2kZ1kAffPeFyzHFtdvhbuTR2?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 6.

2. MLPP глава 10.

== Неделя 2. Метод ближайших соседей ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Слайды лекции]

[https://colab.research.google.com/drive/1a2sgrKj_ap58JKRixlG2xvopTmV7dU_8?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 5.

2. MLPP глава 16.

== Неделя 3. Деревья ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%203.%20%D0%94%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vXOMuDUFSxqO4XFpvvcpf4SWokIx4Lk9?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%203.%20%D0%A0%D0%B5%D1%88%D0%B0%D1%8E%D1%89%D0%B8%D0%B5%20%D0%B4%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 4.

== Неделя 4. Логистическая регрессия и метод опорных векторов ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BE%D0%BF%D0%BE%D1%80%D0%BD%D1%8B%D1%85%20%D0%B2%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BE%D0%B2.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vqEDTOwBGkz0mEM4i4SPxHvVRrJfTjmy?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9%20%D0%B1%D1%83%D1%81%D1%82%D0%B8%D0%BD%D0%B3.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 7.

2. MLPP главы 8 и 14.5.

=== Дополнительные материалы ===

1. [https://projecteuclid.org/journalArticle/Download?urlId=10.1214%2Faos%2F1013203451 Статья, в которой был предложен градиентный бустинг]

= Список литературы =

# '''FOML''' - [https://www.amazon.com/Fundamentals-Machine-Learning-Predictive-Analytics/dp/0262029448 Fundamentals of machine learning for predictive data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy.] '''Низкая сложность'''
# '''HBE''' - [https://www.amazon.com/Econometrics-Bruce-Hansen/dp/0691235899 Econometrics. Hansen B.] '''Средняя сложность'''
# '''CMLE''' - [https://causalml-book.org Applied Causal Inference Powered by ML and AI. V. Chernozhukov, C. Hansen, N. Kallus, M. Spindler, V. Syrgkanis] '''Средняя сложность'''
# '''MLPP''' - [https://www.amazon.com/Machine-Learning-Probabilistic-Perspective-Computation/dp/0262018020 Machine learning a probabilistic perspective. Kevin P. Murphy.] '''Высокая сложность'''

== Неделя 5. Машинное обучение в эконометрике ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Слайды лекции]

[https://colab.research.google.com/drive/11ss8xdr6B3FPeIExktOZ90GFzGAS7mq5?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. HBE глава 29.

=== Дополнительные материалы ===

1. [https://www.jstatsoft.org/index.php/jss/article/view/v108i03/4527 Двойное машинное обучение в R]

2. [https://arxiv.org/pdf/2301.09397.pdf Двойное машинное обучение в STATA]

3. [https://jmlr.org/papers/volume23/21-0862/21-0862.pdf Двойное машинное обучение в python].

4. [https://www.youtube.com/watch?v=eHOjmyoPCFU&t=1552s Видео лекции о теории двойного машинного обучения от создателя метода]

5. [https://www.youtube.com/watch?v=ErecsyKEq74 Видео лекции о программной реализации двойного машинного обучения от создателей пакета]

'''Примечание''': пакеты в R и python разработаны одними и теми же людьми, поэтому практически идентичны. Однако, в статье про пакет в R все расписано гораздо подробней и понятней, с большим числом наглядных примеров и наиболее важными теоретическими выкладками.

== Неделя 6. Эффекты воздействия ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1uFqihpgQxbPw61kz3N2icOzqPGeK_H-d?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

2. HBE главы 12.34 и 29.22.

=== Дополнительные материалы ===

[https://mixtape.scunning.com Простое, но достаточно подробное введение в causal inference.]

[https://arxiv.org/pdf/2511.12640 Двойное машинное обучение в моделях с неслучайным отбором]

[https://academic.oup.com/ectj/article/27/2/213/7602388?login=false Примеры использования машинного обучения для оценивания эффектов воздействия в прикладных исследованиях]

== Неделя 7. Нейронные сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1QuoHICOPZNfj3Z0ZpYC248zRAwqDSXfU?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

=== Дополнительные материалы ===

[https://www.cs.toronto.edu/~rsalakhu/papers/srivastava14a.pdf 1. Статья, в которой был предложен метод исключения (dropout).]

== Неделя 8. Рекуррентные нейронные сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%208.%20%D0%A0%D0%B5%D0%BA%D1%83%D1%80%D1%80%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B5%20%D0%BD%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1R--ZslnpKE47FAk9X4I8YefqZm0sIn2J?usp=sharing Код семинара]

[https://colab.research.google.com/drive/1-pXQi7FqvXT_NmQafbKF6bmmk1PSEMQ2?usp=sharing Код лекции]

== Неделя 9. Большие языковые модели ==

=== Основные материалы ===

[https://colab.research.google.com/drive/1-pXQi7FqvXT_NmQafbKF6bmmk1PSEMQ2?usp=sharing Код лекции]

[https://colab.research.google.com/drive/12CwGbEFp0nBiRJnKJIppdKDio8PBsJQW?usp=sharing Код семинара]

Машинное обучение в экономике онлайн 2025-2026

2026-03-18T16:41:32Z

Potanin: /* Неделя 8. Рекуррентные нейронные сети */

== Материалы для повторения ==

Викистранички курсов по теории вероятностей и математической статистике:

* [http://wiki.cs.hse.ru/Теория_вероятностей_и_статистика,_МИРЭК,_2023-2024 МИРЭК]
* [http://wiki.cs.hse.ru/Econ_probability_2023-24 Экономика]

Видео про применение python в математической статистике:

* [https://youtu.be/F7dJmORBXzM Часть 1]
* [https://youtu.be/VKHr1Po9ztI Часть 2]
* [https://youtu.be/3ZGq472-XbE Часть 3]
* [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm Код к видео]

== Информация о курсе ==

'''Оценка''' = 0.01 * ДЗ1 + 0.29 * ДЗ2 + 0.7 * Экзамен

== Домашнее задание ==

=== Домашнее задание 1 ===

'''Дедлайн''': 14 февраля

Необходимо внести данные группы (до двух человек включительно), в которой будет выполняться второе домашнее задание, в таблицу по [https://docs.google.com/spreadsheets/d/1nbxhRw9yaXbdvCfd6Jtg1-wiIU9BmGcoDr9vc7Vm2i0/edit?usp=sharing ссылке].

=== Домашнее задание 2 ===

'''Дедлайн''': 15.03.2026

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Домашнее%20задание%20МО%20БАК%20ОНЛАЙН%202025-2026.pdf Текст задания]

== Экзамен ==

'''Дата''': будет объявлена позже

=== Экзамены прошлых лет ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%92%D1%81%D1%82%D1%83%D0%BF%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D0%B5%20%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5.%20%D0%9C%D0%9E.%202023-2024.pdf Первый пример экзамена с решениями 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9F%D1%80%D0%B5%D0%B4%D0%B2%D0%B0%D1%80%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9.%20%D0%9C%D0%9E.%202023-2024.pdf Второй пример экзамена с решениями, 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9C%D0%9E.%202023-2024.pdf Экзамен 2023-2024 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD%20%D0%9C%D0%9E%20%D0%9C%D0%B0%D0%B3%D0%B8%D1%81%D1%82%D1%80%D0%B0%D1%82%D1%83%D1%80%D0%B0%202024-2025%20%D1%80%D0%B5%D1%88%D0%B5%D0%BD%D0%B8%D0%B5.pdf Экзамен 2024-2025 с решениями, магистратура]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Бакалавриат%202024-2025.pdf Экзамен 2024-2025 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Магистратура%202025-2026%20решения.pdf Экзамен 2025-2026 с решениями, магистратура]

== Консультации ==

=== Консультация перед экзаменом на лекции 2023-2024 ===
*[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9A%D0%BE%D0%BD%D1%81%D1%83%D0%BB%D1%8C%D1%82%D0%B0%D1%86%D0%B8%D1%8F.%20%D0%9C%D0%9E.%202023-2024.pdf Задачи]
*[https://youtu.be/chChWaDkYEI Видео 1]
*[https://youtu.be/si0jgqis1fY Видео 2]
*[https://youtu.be/ET47Z_r9B98 Видео 3]
*[https://youtu.be/m8Crj5Nh_20 Видео 4]

=== Консультация о генерации данных для домашней работы 2023-2024 ===

* [https://colab.research.google.com/drive/15l0cILQJZdi3RXKScGG8K0jjbLtbcS5G?usp=sharing Код консультации]
* [https://youtu.be/B5w5HPFkbTo Видео, часть 1]
* [https://youtu.be/PFbkJITNa7A Видео, часть 2]

== Неделя 0. Введение в машинное обучение ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Лекция%200.%20Введение%20в%20машинное%20обучение.pdf Слайды лекции]

== Неделя 1. Байесовские сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1Iq1zomLp2kZ1kAffPeFyzHFtdvhbuTR2?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 6.

2. MLPP глава 10.

== Неделя 2. Метод ближайших соседей ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Слайды лекции]

[https://colab.research.google.com/drive/1a2sgrKj_ap58JKRixlG2xvopTmV7dU_8?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 5.

2. MLPP глава 16.

== Неделя 3. Деревья ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%203.%20%D0%94%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vXOMuDUFSxqO4XFpvvcpf4SWokIx4Lk9?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%203.%20%D0%A0%D0%B5%D1%88%D0%B0%D1%8E%D1%89%D0%B8%D0%B5%20%D0%B4%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 4.

== Неделя 4. Логистическая регрессия и метод опорных векторов ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BE%D0%BF%D0%BE%D1%80%D0%BD%D1%8B%D1%85%20%D0%B2%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BE%D0%B2.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vqEDTOwBGkz0mEM4i4SPxHvVRrJfTjmy?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9%20%D0%B1%D1%83%D1%81%D1%82%D0%B8%D0%BD%D0%B3.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 7.

2. MLPP главы 8 и 14.5.

=== Дополнительные материалы ===

1. [https://projecteuclid.org/journalArticle/Download?urlId=10.1214%2Faos%2F1013203451 Статья, в которой был предложен градиентный бустинг]

= Список литературы =

# '''FOML''' - [https://www.amazon.com/Fundamentals-Machine-Learning-Predictive-Analytics/dp/0262029448 Fundamentals of machine learning for predictive data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy.] '''Низкая сложность'''
# '''HBE''' - [https://www.amazon.com/Econometrics-Bruce-Hansen/dp/0691235899 Econometrics. Hansen B.] '''Средняя сложность'''
# '''CMLE''' - [https://causalml-book.org Applied Causal Inference Powered by ML and AI. V. Chernozhukov, C. Hansen, N. Kallus, M. Spindler, V. Syrgkanis] '''Средняя сложность'''
# '''MLPP''' - [https://www.amazon.com/Machine-Learning-Probabilistic-Perspective-Computation/dp/0262018020 Machine learning a probabilistic perspective. Kevin P. Murphy.] '''Высокая сложность'''

== Неделя 5. Машинное обучение в эконометрике ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Слайды лекции]

[https://colab.research.google.com/drive/11ss8xdr6B3FPeIExktOZ90GFzGAS7mq5?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. HBE глава 29.

=== Дополнительные материалы ===

1. [https://www.jstatsoft.org/index.php/jss/article/view/v108i03/4527 Двойное машинное обучение в R]

2. [https://arxiv.org/pdf/2301.09397.pdf Двойное машинное обучение в STATA]

3. [https://jmlr.org/papers/volume23/21-0862/21-0862.pdf Двойное машинное обучение в python].

4. [https://www.youtube.com/watch?v=eHOjmyoPCFU&t=1552s Видео лекции о теории двойного машинного обучения от создателя метода]

5. [https://www.youtube.com/watch?v=ErecsyKEq74 Видео лекции о программной реализации двойного машинного обучения от создателей пакета]

'''Примечание''': пакеты в R и python разработаны одними и теми же людьми, поэтому практически идентичны. Однако, в статье про пакет в R все расписано гораздо подробней и понятней, с большим числом наглядных примеров и наиболее важными теоретическими выкладками.

== Неделя 6. Эффекты воздействия ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1uFqihpgQxbPw61kz3N2icOzqPGeK_H-d?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

2. HBE главы 12.34 и 29.22.

=== Дополнительные материалы ===

[https://mixtape.scunning.com Простое, но достаточно подробное введение в causal inference.]

[https://arxiv.org/pdf/2511.12640 Двойное машинное обучение в моделях с неслучайным отбором]

[https://academic.oup.com/ectj/article/27/2/213/7602388?login=false Примеры использования машинного обучения для оценивания эффектов воздействия в прикладных исследованиях]

== Неделя 7. Нейронные сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1QuoHICOPZNfj3Z0ZpYC248zRAwqDSXfU?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

=== Дополнительные материалы ===

[https://www.cs.toronto.edu/~rsalakhu/papers/srivastava14a.pdf 1. Статья, в которой был предложен метод исключения (dropout).]

== Неделя 8. Рекуррентные нейронные сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%208.%20%D0%A0%D0%B5%D0%BA%D1%83%D1%80%D1%80%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B5%20%D0%BD%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1R--ZslnpKE47FAk9X4I8YefqZm0sIn2J?usp=sharing Код семинара]

[https://colab.research.google.com/drive/1-pXQi7FqvXT_NmQafbKF6bmmk1PSEMQ2?usp=sharing Код лекции]

== Неделя 9. Большие языковые модели ==

=== Основные материалы ===

[https://colab.research.google.com/drive/1-pXQi7FqvXT_NmQafbKF6bmmk1PSEMQ2?usp=sharing Код лекции]

[https://colab.research.google.com/drive/12CwGbEFp0nBiRJnKJIppdKDio8PBsJQW?usp=sharing Код семинара]

Машинное обучение в экономике онлайн 2025-2026

2026-03-11T16:44:03Z

Potanin: /* Неделя 7. Нейронные сети */

== Материалы для повторения ==

Викистранички курсов по теории вероятностей и математической статистике:

* [http://wiki.cs.hse.ru/Теория_вероятностей_и_статистика,_МИРЭК,_2023-2024 МИРЭК]
* [http://wiki.cs.hse.ru/Econ_probability_2023-24 Экономика]

Видео про применение python в математической статистике:

* [https://youtu.be/F7dJmORBXzM Часть 1]
* [https://youtu.be/VKHr1Po9ztI Часть 2]
* [https://youtu.be/3ZGq472-XbE Часть 3]
* [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm Код к видео]

== Информация о курсе ==

'''Оценка''' = 0.01 * ДЗ1 + 0.29 * ДЗ2 + 0.7 * Экзамен

== Домашнее задание ==

=== Домашнее задание 1 ===

'''Дедлайн''': 14 февраля

Необходимо внести данные группы (до двух человек включительно), в которой будет выполняться второе домашнее задание, в таблицу по [https://docs.google.com/spreadsheets/d/1nbxhRw9yaXbdvCfd6Jtg1-wiIU9BmGcoDr9vc7Vm2i0/edit?usp=sharing ссылке].

=== Домашнее задание 2 ===

'''Дедлайн''': 15.03.2026

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Домашнее%20задание%20МО%20БАК%20ОНЛАЙН%202025-2026.pdf Текст задания]

== Экзамен ==

'''Дата''': будет объявлена позже

=== Экзамены прошлых лет ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%92%D1%81%D1%82%D1%83%D0%BF%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D0%B5%20%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5.%20%D0%9C%D0%9E.%202023-2024.pdf Первый пример экзамена с решениями 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9F%D1%80%D0%B5%D0%B4%D0%B2%D0%B0%D1%80%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9.%20%D0%9C%D0%9E.%202023-2024.pdf Второй пример экзамена с решениями, 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9C%D0%9E.%202023-2024.pdf Экзамен 2023-2024 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD%20%D0%9C%D0%9E%20%D0%9C%D0%B0%D0%B3%D0%B8%D1%81%D1%82%D1%80%D0%B0%D1%82%D1%83%D1%80%D0%B0%202024-2025%20%D1%80%D0%B5%D1%88%D0%B5%D0%BD%D0%B8%D0%B5.pdf Экзамен 2024-2025 с решениями, магистратура]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Бакалавриат%202024-2025.pdf Экзамен 2024-2025 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Магистратура%202025-2026%20решения.pdf Экзамен 2025-2026 с решениями, магистратура]

== Консультации ==

=== Консультация перед экзаменом на лекции 2023-2024 ===
*[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9A%D0%BE%D0%BD%D1%81%D1%83%D0%BB%D1%8C%D1%82%D0%B0%D1%86%D0%B8%D1%8F.%20%D0%9C%D0%9E.%202023-2024.pdf Задачи]
*[https://youtu.be/chChWaDkYEI Видео 1]
*[https://youtu.be/si0jgqis1fY Видео 2]
*[https://youtu.be/ET47Z_r9B98 Видео 3]
*[https://youtu.be/m8Crj5Nh_20 Видео 4]

=== Консультация о генерации данных для домашней работы 2023-2024 ===

* [https://colab.research.google.com/drive/15l0cILQJZdi3RXKScGG8K0jjbLtbcS5G?usp=sharing Код консультации]
* [https://youtu.be/B5w5HPFkbTo Видео, часть 1]
* [https://youtu.be/PFbkJITNa7A Видео, часть 2]

== Неделя 0. Введение в машинное обучение ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Лекция%200.%20Введение%20в%20машинное%20обучение.pdf Слайды лекции]

== Неделя 1. Байесовские сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1Iq1zomLp2kZ1kAffPeFyzHFtdvhbuTR2?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 6.

2. MLPP глава 10.

== Неделя 2. Метод ближайших соседей ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Слайды лекции]

[https://colab.research.google.com/drive/1a2sgrKj_ap58JKRixlG2xvopTmV7dU_8?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 5.

2. MLPP глава 16.

== Неделя 3. Деревья ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%203.%20%D0%94%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vXOMuDUFSxqO4XFpvvcpf4SWokIx4Lk9?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%203.%20%D0%A0%D0%B5%D1%88%D0%B0%D1%8E%D1%89%D0%B8%D0%B5%20%D0%B4%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 4.

== Неделя 4. Логистическая регрессия и метод опорных векторов ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BE%D0%BF%D0%BE%D1%80%D0%BD%D1%8B%D1%85%20%D0%B2%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BE%D0%B2.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vqEDTOwBGkz0mEM4i4SPxHvVRrJfTjmy?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9%20%D0%B1%D1%83%D1%81%D1%82%D0%B8%D0%BD%D0%B3.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 7.

2. MLPP главы 8 и 14.5.

=== Дополнительные материалы ===

1. [https://projecteuclid.org/journalArticle/Download?urlId=10.1214%2Faos%2F1013203451 Статья, в которой был предложен градиентный бустинг]

= Список литературы =

# '''FOML''' - [https://www.amazon.com/Fundamentals-Machine-Learning-Predictive-Analytics/dp/0262029448 Fundamentals of machine learning for predictive data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy.] '''Низкая сложность'''
# '''HBE''' - [https://www.amazon.com/Econometrics-Bruce-Hansen/dp/0691235899 Econometrics. Hansen B.] '''Средняя сложность'''
# '''CMLE''' - [https://causalml-book.org Applied Causal Inference Powered by ML and AI. V. Chernozhukov, C. Hansen, N. Kallus, M. Spindler, V. Syrgkanis] '''Средняя сложность'''
# '''MLPP''' - [https://www.amazon.com/Machine-Learning-Probabilistic-Perspective-Computation/dp/0262018020 Machine learning a probabilistic perspective. Kevin P. Murphy.] '''Высокая сложность'''

== Неделя 5. Машинное обучение в эконометрике ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Слайды лекции]

[https://colab.research.google.com/drive/11ss8xdr6B3FPeIExktOZ90GFzGAS7mq5?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. HBE глава 29.

=== Дополнительные материалы ===

1. [https://www.jstatsoft.org/index.php/jss/article/view/v108i03/4527 Двойное машинное обучение в R]

2. [https://arxiv.org/pdf/2301.09397.pdf Двойное машинное обучение в STATA]

3. [https://jmlr.org/papers/volume23/21-0862/21-0862.pdf Двойное машинное обучение в python].

4. [https://www.youtube.com/watch?v=eHOjmyoPCFU&t=1552s Видео лекции о теории двойного машинного обучения от создателя метода]

5. [https://www.youtube.com/watch?v=ErecsyKEq74 Видео лекции о программной реализации двойного машинного обучения от создателей пакета]

'''Примечание''': пакеты в R и python разработаны одними и теми же людьми, поэтому практически идентичны. Однако, в статье про пакет в R все расписано гораздо подробней и понятней, с большим числом наглядных примеров и наиболее важными теоретическими выкладками.

== Неделя 6. Эффекты воздействия ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1uFqihpgQxbPw61kz3N2icOzqPGeK_H-d?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

2. HBE главы 12.34 и 29.22.

=== Дополнительные материалы ===

[https://mixtape.scunning.com Простое, но достаточно подробное введение в causal inference.]

[https://arxiv.org/pdf/2511.12640 Двойное машинное обучение в моделях с неслучайным отбором]

[https://academic.oup.com/ectj/article/27/2/213/7602388?login=false Примеры использования машинного обучения для оценивания эффектов воздействия в прикладных исследованиях]

== Неделя 7. Нейронные сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1QuoHICOPZNfj3Z0ZpYC248zRAwqDSXfU?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

=== Дополнительные материалы ===

[https://www.cs.toronto.edu/~rsalakhu/papers/srivastava14a.pdf 1. Статья, в которой был предложен метод исключения (dropout).]

== Неделя 8. Рекуррентные нейронные сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%208.%20%D0%A0%D0%B5%D0%BA%D1%83%D1%80%D1%80%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B5%20%D0%BD%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1R--ZslnpKE47FAk9X4I8YefqZm0sIn2J?usp=sharing Код семинара]

[https://colab.research.google.com/drive/1-pXQi7FqvXT_NmQafbKF6bmmk1PSEMQ2?usp=sharing Код лекции]

Машинное обучение в экономике онлайн 2025-2026

2026-03-02T15:49:35Z

Potanin: /* Домашнее задание 2 */

== Материалы для повторения ==

Викистранички курсов по теории вероятностей и математической статистике:

* [http://wiki.cs.hse.ru/Теория_вероятностей_и_статистика,_МИРЭК,_2023-2024 МИРЭК]
* [http://wiki.cs.hse.ru/Econ_probability_2023-24 Экономика]

Видео про применение python в математической статистике:

* [https://youtu.be/F7dJmORBXzM Часть 1]
* [https://youtu.be/VKHr1Po9ztI Часть 2]
* [https://youtu.be/3ZGq472-XbE Часть 3]
* [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm Код к видео]

== Информация о курсе ==

'''Оценка''' = 0.01 * ДЗ1 + 0.29 * ДЗ2 + 0.7 * Экзамен

== Домашнее задание ==

=== Домашнее задание 1 ===

'''Дедлайн''': 14 февраля

Необходимо внести данные группы (до двух человек включительно), в которой будет выполняться второе домашнее задание, в таблицу по [https://docs.google.com/spreadsheets/d/1nbxhRw9yaXbdvCfd6Jtg1-wiIU9BmGcoDr9vc7Vm2i0/edit?usp=sharing ссылке].

=== Домашнее задание 2 ===

'''Дедлайн''': 15.03.2026

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Домашнее%20задание%20МО%20БАК%20ОНЛАЙН%202025-2026.pdf Текст задания]

== Экзамен ==

'''Дата''': будет объявлена позже

=== Экзамены прошлых лет ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%92%D1%81%D1%82%D1%83%D0%BF%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D0%B5%20%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5.%20%D0%9C%D0%9E.%202023-2024.pdf Первый пример экзамена с решениями 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9F%D1%80%D0%B5%D0%B4%D0%B2%D0%B0%D1%80%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9.%20%D0%9C%D0%9E.%202023-2024.pdf Второй пример экзамена с решениями, 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9C%D0%9E.%202023-2024.pdf Экзамен 2023-2024 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD%20%D0%9C%D0%9E%20%D0%9C%D0%B0%D0%B3%D0%B8%D1%81%D1%82%D1%80%D0%B0%D1%82%D1%83%D1%80%D0%B0%202024-2025%20%D1%80%D0%B5%D1%88%D0%B5%D0%BD%D0%B8%D0%B5.pdf Экзамен 2024-2025 с решениями, магистратура]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Бакалавриат%202024-2025.pdf Экзамен 2024-2025 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Магистратура%202025-2026%20решения.pdf Экзамен 2025-2026 с решениями, магистратура]

== Консультации ==

=== Консультация перед экзаменом на лекции 2023-2024 ===
*[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9A%D0%BE%D0%BD%D1%81%D1%83%D0%BB%D1%8C%D1%82%D0%B0%D1%86%D0%B8%D1%8F.%20%D0%9C%D0%9E.%202023-2024.pdf Задачи]
*[https://youtu.be/chChWaDkYEI Видео 1]
*[https://youtu.be/si0jgqis1fY Видео 2]
*[https://youtu.be/ET47Z_r9B98 Видео 3]
*[https://youtu.be/m8Crj5Nh_20 Видео 4]

=== Консультация о генерации данных для домашней работы 2023-2024 ===

* [https://colab.research.google.com/drive/15l0cILQJZdi3RXKScGG8K0jjbLtbcS5G?usp=sharing Код консультации]
* [https://youtu.be/B5w5HPFkbTo Видео, часть 1]
* [https://youtu.be/PFbkJITNa7A Видео, часть 2]

== Неделя 0. Введение в машинное обучение ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Лекция%200.%20Введение%20в%20машинное%20обучение.pdf Слайды лекции]

== Неделя 1. Байесовские сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1Iq1zomLp2kZ1kAffPeFyzHFtdvhbuTR2?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 6.

2. MLPP глава 10.

== Неделя 2. Метод ближайших соседей ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Слайды лекции]

[https://colab.research.google.com/drive/1a2sgrKj_ap58JKRixlG2xvopTmV7dU_8?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 5.

2. MLPP глава 16.

== Неделя 3. Деревья ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%203.%20%D0%94%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vXOMuDUFSxqO4XFpvvcpf4SWokIx4Lk9?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%203.%20%D0%A0%D0%B5%D1%88%D0%B0%D1%8E%D1%89%D0%B8%D0%B5%20%D0%B4%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 4.

== Неделя 4. Логистическая регрессия и метод опорных векторов ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BE%D0%BF%D0%BE%D1%80%D0%BD%D1%8B%D1%85%20%D0%B2%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BE%D0%B2.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vqEDTOwBGkz0mEM4i4SPxHvVRrJfTjmy?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9%20%D0%B1%D1%83%D1%81%D1%82%D0%B8%D0%BD%D0%B3.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 7.

2. MLPP главы 8 и 14.5.

=== Дополнительные материалы ===

1. [https://projecteuclid.org/journalArticle/Download?urlId=10.1214%2Faos%2F1013203451 Статья, в которой был предложен градиентный бустинг]

= Список литературы =

# '''FOML''' - [https://www.amazon.com/Fundamentals-Machine-Learning-Predictive-Analytics/dp/0262029448 Fundamentals of machine learning for predictive data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy.] '''Низкая сложность'''
# '''HBE''' - [https://www.amazon.com/Econometrics-Bruce-Hansen/dp/0691235899 Econometrics. Hansen B.] '''Средняя сложность'''
# '''CMLE''' - [https://causalml-book.org Applied Causal Inference Powered by ML and AI. V. Chernozhukov, C. Hansen, N. Kallus, M. Spindler, V. Syrgkanis] '''Средняя сложность'''
# '''MLPP''' - [https://www.amazon.com/Machine-Learning-Probabilistic-Perspective-Computation/dp/0262018020 Machine learning a probabilistic perspective. Kevin P. Murphy.] '''Высокая сложность'''

== Неделя 5. Машинное обучение в эконометрике ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Слайды лекции]

[https://colab.research.google.com/drive/11ss8xdr6B3FPeIExktOZ90GFzGAS7mq5?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. HBE глава 29.

=== Дополнительные материалы ===

1. [https://www.jstatsoft.org/index.php/jss/article/view/v108i03/4527 Двойное машинное обучение в R]

2. [https://arxiv.org/pdf/2301.09397.pdf Двойное машинное обучение в STATA]

3. [https://jmlr.org/papers/volume23/21-0862/21-0862.pdf Двойное машинное обучение в python].

4. [https://www.youtube.com/watch?v=eHOjmyoPCFU&t=1552s Видео лекции о теории двойного машинного обучения от создателя метода]

5. [https://www.youtube.com/watch?v=ErecsyKEq74 Видео лекции о программной реализации двойного машинного обучения от создателей пакета]

'''Примечание''': пакеты в R и python разработаны одними и теми же людьми, поэтому практически идентичны. Однако, в статье про пакет в R все расписано гораздо подробней и понятней, с большим числом наглядных примеров и наиболее важными теоретическими выкладками.

== Неделя 6. Эффекты воздействия ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1uFqihpgQxbPw61kz3N2icOzqPGeK_H-d?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

2. HBE главы 12.34 и 29.22.

=== Дополнительные материалы ===

[https://mixtape.scunning.com Простое, но достаточно подробное введение в causal inference.]

[https://arxiv.org/pdf/2511.12640 Двойное машинное обучение в моделях с неслучайным отбором]

[https://academic.oup.com/ectj/article/27/2/213/7602388?login=false Примеры использования машинного обучения для оценивания эффектов воздействия в прикладных исследованиях]

== Неделя 7. Нейронные сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1QuoHICOPZNfj3Z0ZpYC248zRAwqDSXfU?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

=== Дополнительные материалы ===

[https://www.cs.toronto.edu/~rsalakhu/papers/srivastava14a.pdf 1. Статья, в которой был предложен метод исключения (dropout).]

Машинное обучение в экономике онлайн 2025-2026

2026-02-10T16:23:10Z

Potanin: /* Домашнее задание 2 */

== Материалы для повторения ==

Викистранички курсов по теории вероятностей и математической статистике:

* [http://wiki.cs.hse.ru/Теория_вероятностей_и_статистика,_МИРЭК,_2023-2024 МИРЭК]
* [http://wiki.cs.hse.ru/Econ_probability_2023-24 Экономика]

Видео про применение python в математической статистике:

* [https://youtu.be/F7dJmORBXzM Часть 1]
* [https://youtu.be/VKHr1Po9ztI Часть 2]
* [https://youtu.be/3ZGq472-XbE Часть 3]
* [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm Код к видео]

== Информация о курсе ==

'''Оценка''' = 0.01 * ДЗ1 + 0.29 * ДЗ2 + 0.7 * Экзамен

== Домашнее задание ==

=== Домашнее задание 1 ===

'''Дедлайн''': 14 февраля

Необходимо внести данные группы (до двух человек включительно), в которой будет выполняться второе домашнее задание, в таблицу по [https://docs.google.com/spreadsheets/d/1nbxhRw9yaXbdvCfd6Jtg1-wiIU9BmGcoDr9vc7Vm2i0/edit?usp=sharing ссылке].

=== Домашнее задание 2 ===

'''Дедлайн''': будет указан позже

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Домашнее%20задание%20МО%20БАК%20ОНЛАЙН%202025-2026.pdf Текст задания]

== Экзамен ==

'''Дата''': будет объявлена позже

=== Экзамены прошлых лет ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%92%D1%81%D1%82%D1%83%D0%BF%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D0%B5%20%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5.%20%D0%9C%D0%9E.%202023-2024.pdf Первый пример экзамена с решениями 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9F%D1%80%D0%B5%D0%B4%D0%B2%D0%B0%D1%80%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9.%20%D0%9C%D0%9E.%202023-2024.pdf Второй пример экзамена с решениями, 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9C%D0%9E.%202023-2024.pdf Экзамен 2023-2024 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD%20%D0%9C%D0%9E%20%D0%9C%D0%B0%D0%B3%D0%B8%D1%81%D1%82%D1%80%D0%B0%D1%82%D1%83%D1%80%D0%B0%202024-2025%20%D1%80%D0%B5%D1%88%D0%B5%D0%BD%D0%B8%D0%B5.pdf Экзамен 2024-2025 с решениями, магистратура]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Бакалавриат%202024-2025.pdf Экзамен 2024-2025 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Магистратура%202025-2026%20решения.pdf Экзамен 2025-2026 с решениями, магистратура]

== Консультации ==

=== Консультация перед экзаменом на лекции 2023-2024 ===
*[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9A%D0%BE%D0%BD%D1%81%D1%83%D0%BB%D1%8C%D1%82%D0%B0%D1%86%D0%B8%D1%8F.%20%D0%9C%D0%9E.%202023-2024.pdf Задачи]
*[https://youtu.be/chChWaDkYEI Видео 1]
*[https://youtu.be/si0jgqis1fY Видео 2]
*[https://youtu.be/ET47Z_r9B98 Видео 3]
*[https://youtu.be/m8Crj5Nh_20 Видео 4]

=== Консультация о генерации данных для домашней работы 2023-2024 ===

* [https://colab.research.google.com/drive/15l0cILQJZdi3RXKScGG8K0jjbLtbcS5G?usp=sharing Код консультации]
* [https://youtu.be/B5w5HPFkbTo Видео, часть 1]
* [https://youtu.be/PFbkJITNa7A Видео, часть 2]

== Неделя 0. Введение в машинное обучение ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Лекция%200.%20Введение%20в%20машинное%20обучение.pdf Слайды лекции]

== Неделя 1. Байесовские сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1Iq1zomLp2kZ1kAffPeFyzHFtdvhbuTR2?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 6.

2. MLPP глава 10.

== Неделя 2. Метод ближайших соседей ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Слайды лекции]

[https://colab.research.google.com/drive/1a2sgrKj_ap58JKRixlG2xvopTmV7dU_8?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 5.

2. MLPP глава 16.

== Неделя 3. Деревья ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%203.%20%D0%94%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vXOMuDUFSxqO4XFpvvcpf4SWokIx4Lk9?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%203.%20%D0%A0%D0%B5%D1%88%D0%B0%D1%8E%D1%89%D0%B8%D0%B5%20%D0%B4%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 4.

== Неделя 4. Логистическая регрессия и метод опорных векторов ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BE%D0%BF%D0%BE%D1%80%D0%BD%D1%8B%D1%85%20%D0%B2%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BE%D0%B2.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vqEDTOwBGkz0mEM4i4SPxHvVRrJfTjmy?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9%20%D0%B1%D1%83%D1%81%D1%82%D0%B8%D0%BD%D0%B3.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 7.

2. MLPP главы 8 и 14.5.

=== Дополнительные материалы ===

1. [https://projecteuclid.org/journalArticle/Download?urlId=10.1214%2Faos%2F1013203451 Статья, в которой был предложен градиентный бустинг]

= Список литературы =

# '''FOML''' - [https://www.amazon.com/Fundamentals-Machine-Learning-Predictive-Analytics/dp/0262029448 Fundamentals of machine learning for predictive data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy.] '''Низкая сложность'''
# '''HBE''' - [https://www.amazon.com/Econometrics-Bruce-Hansen/dp/0691235899 Econometrics. Hansen B.] '''Средняя сложность'''
# '''CMLE''' - [https://causalml-book.org Applied Causal Inference Powered by ML and AI. V. Chernozhukov, C. Hansen, N. Kallus, M. Spindler, V. Syrgkanis] '''Средняя сложность'''
# '''MLPP''' - [https://www.amazon.com/Machine-Learning-Probabilistic-Perspective-Computation/dp/0262018020 Machine learning a probabilistic perspective. Kevin P. Murphy.] '''Высокая сложность'''

== Неделя 5. Машинное обучение в эконометрике ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Слайды лекции]

[https://colab.research.google.com/drive/11ss8xdr6B3FPeIExktOZ90GFzGAS7mq5?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. HBE глава 29.

=== Дополнительные материалы ===

1. [https://www.jstatsoft.org/index.php/jss/article/view/v108i03/4527 Двойное машинное обучение в R]

2. [https://arxiv.org/pdf/2301.09397.pdf Двойное машинное обучение в STATA]

3. [https://jmlr.org/papers/volume23/21-0862/21-0862.pdf Двойное машинное обучение в python].

4. [https://www.youtube.com/watch?v=eHOjmyoPCFU&t=1552s Видео лекции о теории двойного машинного обучения от создателя метода]

5. [https://www.youtube.com/watch?v=ErecsyKEq74 Видео лекции о программной реализации двойного машинного обучения от создателей пакета]

'''Примечание''': пакеты в R и python разработаны одними и теми же людьми, поэтому практически идентичны. Однако, в статье про пакет в R все расписано гораздо подробней и понятней, с большим числом наглядных примеров и наиболее важными теоретическими выкладками.

== Неделя 6. Эффекты воздействия ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1uFqihpgQxbPw61kz3N2icOzqPGeK_H-d?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

2. HBE главы 12.34 и 29.22.

=== Дополнительные материалы ===

[https://mixtape.scunning.com Простое, но достаточно подробное введение в causal inference.]

[https://arxiv.org/pdf/2511.12640 Двойное машинное обучение в моделях с неслучайным отбором]

[https://academic.oup.com/ectj/article/27/2/213/7602388?login=false Примеры использования машинного обучения для оценивания эффектов воздействия в прикладных исследованиях]

== Неделя 7. Нейронные сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1QuoHICOPZNfj3Z0ZpYC248zRAwqDSXfU?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

=== Дополнительные материалы ===

[https://www.cs.toronto.edu/~rsalakhu/papers/srivastava14a.pdf 1. Статья, в которой был предложен метод исключения (dropout).]

Машинное обучение в экономике онлайн 2025-2026

2026-02-10T16:16:35Z

Potanin: /* Домашнее задание 2 */

== Материалы для повторения ==

Викистранички курсов по теории вероятностей и математической статистике:

* [http://wiki.cs.hse.ru/Теория_вероятностей_и_статистика,_МИРЭК,_2023-2024 МИРЭК]
* [http://wiki.cs.hse.ru/Econ_probability_2023-24 Экономика]

Видео про применение python в математической статистике:

* [https://youtu.be/F7dJmORBXzM Часть 1]
* [https://youtu.be/VKHr1Po9ztI Часть 2]
* [https://youtu.be/3ZGq472-XbE Часть 3]
* [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm Код к видео]

== Информация о курсе ==

'''Оценка''' = 0.01 * ДЗ1 + 0.29 * ДЗ2 + 0.7 * Экзамен

== Домашнее задание ==

=== Домашнее задание 1 ===

'''Дедлайн''': 14 февраля

Необходимо внести данные группы (до двух человек включительно), в которой будет выполняться второе домашнее задание, в таблицу по [https://docs.google.com/spreadsheets/d/1nbxhRw9yaXbdvCfd6Jtg1-wiIU9BmGcoDr9vc7Vm2i0/edit?usp=sharing ссылке].

=== Домашнее задание 2 ===

'''Дедлайн''': будет указан позже

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%94%D0%BE%D0%BC%D0%B0%D1%88%D0%BD%D0%B5%D0%B5_%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5__%D0%9C%D0%9E__%D0%9C%D0%90%D0%93_2025_2026.pdf Текст задания]

== Экзамен ==

'''Дата''': будет объявлена позже

=== Экзамены прошлых лет ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%92%D1%81%D1%82%D1%83%D0%BF%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D0%B5%20%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5.%20%D0%9C%D0%9E.%202023-2024.pdf Первый пример экзамена с решениями 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9F%D1%80%D0%B5%D0%B4%D0%B2%D0%B0%D1%80%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9.%20%D0%9C%D0%9E.%202023-2024.pdf Второй пример экзамена с решениями, 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9C%D0%9E.%202023-2024.pdf Экзамен 2023-2024 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD%20%D0%9C%D0%9E%20%D0%9C%D0%B0%D0%B3%D0%B8%D1%81%D1%82%D1%80%D0%B0%D1%82%D1%83%D1%80%D0%B0%202024-2025%20%D1%80%D0%B5%D1%88%D0%B5%D0%BD%D0%B8%D0%B5.pdf Экзамен 2024-2025 с решениями, магистратура]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Бакалавриат%202024-2025.pdf Экзамен 2024-2025 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Магистратура%202025-2026%20решения.pdf Экзамен 2025-2026 с решениями, магистратура]

== Консультации ==

=== Консультация перед экзаменом на лекции 2023-2024 ===
*[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9A%D0%BE%D0%BD%D1%81%D1%83%D0%BB%D1%8C%D1%82%D0%B0%D1%86%D0%B8%D1%8F.%20%D0%9C%D0%9E.%202023-2024.pdf Задачи]
*[https://youtu.be/chChWaDkYEI Видео 1]
*[https://youtu.be/si0jgqis1fY Видео 2]
*[https://youtu.be/ET47Z_r9B98 Видео 3]
*[https://youtu.be/m8Crj5Nh_20 Видео 4]

=== Консультация о генерации данных для домашней работы 2023-2024 ===

* [https://colab.research.google.com/drive/15l0cILQJZdi3RXKScGG8K0jjbLtbcS5G?usp=sharing Код консультации]
* [https://youtu.be/B5w5HPFkbTo Видео, часть 1]
* [https://youtu.be/PFbkJITNa7A Видео, часть 2]

== Неделя 0. Введение в машинное обучение ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Лекция%200.%20Введение%20в%20машинное%20обучение.pdf Слайды лекции]

== Неделя 1. Байесовские сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1Iq1zomLp2kZ1kAffPeFyzHFtdvhbuTR2?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 6.

2. MLPP глава 10.

== Неделя 2. Метод ближайших соседей ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Слайды лекции]

[https://colab.research.google.com/drive/1a2sgrKj_ap58JKRixlG2xvopTmV7dU_8?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 5.

2. MLPP глава 16.

== Неделя 3. Деревья ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%203.%20%D0%94%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vXOMuDUFSxqO4XFpvvcpf4SWokIx4Lk9?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%203.%20%D0%A0%D0%B5%D1%88%D0%B0%D1%8E%D1%89%D0%B8%D0%B5%20%D0%B4%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 4.

== Неделя 4. Логистическая регрессия и метод опорных векторов ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BE%D0%BF%D0%BE%D1%80%D0%BD%D1%8B%D1%85%20%D0%B2%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BE%D0%B2.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vqEDTOwBGkz0mEM4i4SPxHvVRrJfTjmy?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9%20%D0%B1%D1%83%D1%81%D1%82%D0%B8%D0%BD%D0%B3.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 7.

2. MLPP главы 8 и 14.5.

=== Дополнительные материалы ===

1. [https://projecteuclid.org/journalArticle/Download?urlId=10.1214%2Faos%2F1013203451 Статья, в которой был предложен градиентный бустинг]

= Список литературы =

# '''FOML''' - [https://www.amazon.com/Fundamentals-Machine-Learning-Predictive-Analytics/dp/0262029448 Fundamentals of machine learning for predictive data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy.] '''Низкая сложность'''
# '''HBE''' - [https://www.amazon.com/Econometrics-Bruce-Hansen/dp/0691235899 Econometrics. Hansen B.] '''Средняя сложность'''
# '''CMLE''' - [https://causalml-book.org Applied Causal Inference Powered by ML and AI. V. Chernozhukov, C. Hansen, N. Kallus, M. Spindler, V. Syrgkanis] '''Средняя сложность'''
# '''MLPP''' - [https://www.amazon.com/Machine-Learning-Probabilistic-Perspective-Computation/dp/0262018020 Machine learning a probabilistic perspective. Kevin P. Murphy.] '''Высокая сложность'''

== Неделя 5. Машинное обучение в эконометрике ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Слайды лекции]

[https://colab.research.google.com/drive/11ss8xdr6B3FPeIExktOZ90GFzGAS7mq5?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. HBE глава 29.

=== Дополнительные материалы ===

1. [https://www.jstatsoft.org/index.php/jss/article/view/v108i03/4527 Двойное машинное обучение в R]

2. [https://arxiv.org/pdf/2301.09397.pdf Двойное машинное обучение в STATA]

3. [https://jmlr.org/papers/volume23/21-0862/21-0862.pdf Двойное машинное обучение в python].

4. [https://www.youtube.com/watch?v=eHOjmyoPCFU&t=1552s Видео лекции о теории двойного машинного обучения от создателя метода]

5. [https://www.youtube.com/watch?v=ErecsyKEq74 Видео лекции о программной реализации двойного машинного обучения от создателей пакета]

'''Примечание''': пакеты в R и python разработаны одними и теми же людьми, поэтому практически идентичны. Однако, в статье про пакет в R все расписано гораздо подробней и понятней, с большим числом наглядных примеров и наиболее важными теоретическими выкладками.

== Неделя 6. Эффекты воздействия ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1uFqihpgQxbPw61kz3N2icOzqPGeK_H-d?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

2. HBE главы 12.34 и 29.22.

=== Дополнительные материалы ===

[https://mixtape.scunning.com Простое, но достаточно подробное введение в causal inference.]

[https://arxiv.org/pdf/2511.12640 Двойное машинное обучение в моделях с неслучайным отбором]

[https://academic.oup.com/ectj/article/27/2/213/7602388?login=false Примеры использования машинного обучения для оценивания эффектов воздействия в прикладных исследованиях]

== Неделя 7. Нейронные сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1QuoHICOPZNfj3Z0ZpYC248zRAwqDSXfU?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

=== Дополнительные материалы ===

[https://www.cs.toronto.edu/~rsalakhu/papers/srivastava14a.pdf 1. Статья, в которой был предложен метод исключения (dropout).]

Машинное обучение в экономике онлайн 2025-2026

2026-02-10T16:14:28Z

Potanin: /* Домашнее задание */

== Материалы для повторения ==

Викистранички курсов по теории вероятностей и математической статистике:

* [http://wiki.cs.hse.ru/Теория_вероятностей_и_статистика,_МИРЭК,_2023-2024 МИРЭК]
* [http://wiki.cs.hse.ru/Econ_probability_2023-24 Экономика]

Видео про применение python в математической статистике:

* [https://youtu.be/F7dJmORBXzM Часть 1]
* [https://youtu.be/VKHr1Po9ztI Часть 2]
* [https://youtu.be/3ZGq472-XbE Часть 3]
* [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm Код к видео]

== Информация о курсе ==

'''Оценка''' = 0.01 * ДЗ1 + 0.29 * ДЗ2 + 0.7 * Экзамен

== Домашнее задание ==

=== Домашнее задание 1 ===

'''Дедлайн''': 14 февраля

Необходимо внести данные группы (до двух человек включительно), в которой будет выполняться второе домашнее задание, в таблицу по [https://docs.google.com/spreadsheets/d/1nbxhRw9yaXbdvCfd6Jtg1-wiIU9BmGcoDr9vc7Vm2i0/edit?usp=sharing ссылке].

=== Домашнее задание 2 ===

'''Дедлайн''': будет указан позже

Текст задания появится позже

== Экзамен ==

'''Дата''': будет объявлена позже

=== Экзамены прошлых лет ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%92%D1%81%D1%82%D1%83%D0%BF%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D0%B5%20%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5.%20%D0%9C%D0%9E.%202023-2024.pdf Первый пример экзамена с решениями 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9F%D1%80%D0%B5%D0%B4%D0%B2%D0%B0%D1%80%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9.%20%D0%9C%D0%9E.%202023-2024.pdf Второй пример экзамена с решениями, 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9C%D0%9E.%202023-2024.pdf Экзамен 2023-2024 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD%20%D0%9C%D0%9E%20%D0%9C%D0%B0%D0%B3%D0%B8%D1%81%D1%82%D1%80%D0%B0%D1%82%D1%83%D1%80%D0%B0%202024-2025%20%D1%80%D0%B5%D1%88%D0%B5%D0%BD%D0%B8%D0%B5.pdf Экзамен 2024-2025 с решениями, магистратура]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Бакалавриат%202024-2025.pdf Экзамен 2024-2025 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Магистратура%202025-2026%20решения.pdf Экзамен 2025-2026 с решениями, магистратура]

== Консультации ==

=== Консультация перед экзаменом на лекции 2023-2024 ===
*[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9A%D0%BE%D0%BD%D1%81%D1%83%D0%BB%D1%8C%D1%82%D0%B0%D1%86%D0%B8%D1%8F.%20%D0%9C%D0%9E.%202023-2024.pdf Задачи]
*[https://youtu.be/chChWaDkYEI Видео 1]
*[https://youtu.be/si0jgqis1fY Видео 2]
*[https://youtu.be/ET47Z_r9B98 Видео 3]
*[https://youtu.be/m8Crj5Nh_20 Видео 4]

=== Консультация о генерации данных для домашней работы 2023-2024 ===

* [https://colab.research.google.com/drive/15l0cILQJZdi3RXKScGG8K0jjbLtbcS5G?usp=sharing Код консультации]
* [https://youtu.be/B5w5HPFkbTo Видео, часть 1]
* [https://youtu.be/PFbkJITNa7A Видео, часть 2]

== Неделя 0. Введение в машинное обучение ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Лекция%200.%20Введение%20в%20машинное%20обучение.pdf Слайды лекции]

== Неделя 1. Байесовские сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1Iq1zomLp2kZ1kAffPeFyzHFtdvhbuTR2?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 6.

2. MLPP глава 10.

== Неделя 2. Метод ближайших соседей ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Слайды лекции]

[https://colab.research.google.com/drive/1a2sgrKj_ap58JKRixlG2xvopTmV7dU_8?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 5.

2. MLPP глава 16.

== Неделя 3. Деревья ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%203.%20%D0%94%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vXOMuDUFSxqO4XFpvvcpf4SWokIx4Lk9?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%203.%20%D0%A0%D0%B5%D1%88%D0%B0%D1%8E%D1%89%D0%B8%D0%B5%20%D0%B4%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 4.

== Неделя 4. Логистическая регрессия и метод опорных векторов ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BE%D0%BF%D0%BE%D1%80%D0%BD%D1%8B%D1%85%20%D0%B2%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BE%D0%B2.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vqEDTOwBGkz0mEM4i4SPxHvVRrJfTjmy?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9%20%D0%B1%D1%83%D1%81%D1%82%D0%B8%D0%BD%D0%B3.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 7.

2. MLPP главы 8 и 14.5.

=== Дополнительные материалы ===

1. [https://projecteuclid.org/journalArticle/Download?urlId=10.1214%2Faos%2F1013203451 Статья, в которой был предложен градиентный бустинг]

= Список литературы =

# '''FOML''' - [https://www.amazon.com/Fundamentals-Machine-Learning-Predictive-Analytics/dp/0262029448 Fundamentals of machine learning for predictive data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy.] '''Низкая сложность'''
# '''HBE''' - [https://www.amazon.com/Econometrics-Bruce-Hansen/dp/0691235899 Econometrics. Hansen B.] '''Средняя сложность'''
# '''CMLE''' - [https://causalml-book.org Applied Causal Inference Powered by ML and AI. V. Chernozhukov, C. Hansen, N. Kallus, M. Spindler, V. Syrgkanis] '''Средняя сложность'''
# '''MLPP''' - [https://www.amazon.com/Machine-Learning-Probabilistic-Perspective-Computation/dp/0262018020 Machine learning a probabilistic perspective. Kevin P. Murphy.] '''Высокая сложность'''

== Неделя 5. Машинное обучение в эконометрике ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Слайды лекции]

[https://colab.research.google.com/drive/11ss8xdr6B3FPeIExktOZ90GFzGAS7mq5?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. HBE глава 29.

=== Дополнительные материалы ===

1. [https://www.jstatsoft.org/index.php/jss/article/view/v108i03/4527 Двойное машинное обучение в R]

2. [https://arxiv.org/pdf/2301.09397.pdf Двойное машинное обучение в STATA]

3. [https://jmlr.org/papers/volume23/21-0862/21-0862.pdf Двойное машинное обучение в python].

4. [https://www.youtube.com/watch?v=eHOjmyoPCFU&t=1552s Видео лекции о теории двойного машинного обучения от создателя метода]

5. [https://www.youtube.com/watch?v=ErecsyKEq74 Видео лекции о программной реализации двойного машинного обучения от создателей пакета]

'''Примечание''': пакеты в R и python разработаны одними и теми же людьми, поэтому практически идентичны. Однако, в статье про пакет в R все расписано гораздо подробней и понятней, с большим числом наглядных примеров и наиболее важными теоретическими выкладками.

== Неделя 6. Эффекты воздействия ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1uFqihpgQxbPw61kz3N2icOzqPGeK_H-d?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

2. HBE главы 12.34 и 29.22.

=== Дополнительные материалы ===

[https://mixtape.scunning.com Простое, но достаточно подробное введение в causal inference.]

[https://arxiv.org/pdf/2511.12640 Двойное машинное обучение в моделях с неслучайным отбором]

[https://academic.oup.com/ectj/article/27/2/213/7602388?login=false Примеры использования машинного обучения для оценивания эффектов воздействия в прикладных исследованиях]

== Неделя 7. Нейронные сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1QuoHICOPZNfj3Z0ZpYC248zRAwqDSXfU?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

=== Дополнительные материалы ===

[https://www.cs.toronto.edu/~rsalakhu/papers/srivastava14a.pdf 1. Статья, в которой был предложен метод исключения (dropout).]

Машинное обучение в экономике онлайн 2025-2026

2026-02-10T16:14:00Z

Potanin: /* Домашнее задание 1 */

== Материалы для повторения ==

Викистранички курсов по теории вероятностей и математической статистике:

* [http://wiki.cs.hse.ru/Теория_вероятностей_и_статистика,_МИРЭК,_2023-2024 МИРЭК]
* [http://wiki.cs.hse.ru/Econ_probability_2023-24 Экономика]

Видео про применение python в математической статистике:

* [https://youtu.be/F7dJmORBXzM Часть 1]
* [https://youtu.be/VKHr1Po9ztI Часть 2]
* [https://youtu.be/3ZGq472-XbE Часть 3]
* [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm Код к видео]

== Информация о курсе ==

'''Оценка''' = 0.01 * ДЗ1 + 0.29 * ДЗ2 + 0.7 * Экзамен

== Домашнее задание ==

=== Домашнее задание 1 ===

'''Дедлайн''': 14 февраля

Необходимо внести данные группы (до двух человек включительно), в которой будет выполняться второе домашнее задание, в таблицу [* https://docs.google.com/spreadsheets/d/1nbxhRw9yaXbdvCfd6Jtg1-wiIU9BmGcoDr9vc7Vm2i0/edit?usp=sharing].

=== Домашнее задание 2 ===

'''Дедлайн''': будет указан позже

Текст задания появится позже

== Экзамен ==

'''Дата''': будет объявлена позже

=== Экзамены прошлых лет ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%92%D1%81%D1%82%D1%83%D0%BF%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D0%B5%20%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5.%20%D0%9C%D0%9E.%202023-2024.pdf Первый пример экзамена с решениями 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9F%D1%80%D0%B5%D0%B4%D0%B2%D0%B0%D1%80%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9.%20%D0%9C%D0%9E.%202023-2024.pdf Второй пример экзамена с решениями, 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9C%D0%9E.%202023-2024.pdf Экзамен 2023-2024 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD%20%D0%9C%D0%9E%20%D0%9C%D0%B0%D0%B3%D0%B8%D1%81%D1%82%D1%80%D0%B0%D1%82%D1%83%D1%80%D0%B0%202024-2025%20%D1%80%D0%B5%D1%88%D0%B5%D0%BD%D0%B8%D0%B5.pdf Экзамен 2024-2025 с решениями, магистратура]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Бакалавриат%202024-2025.pdf Экзамен 2024-2025 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Магистратура%202025-2026%20решения.pdf Экзамен 2025-2026 с решениями, магистратура]

== Консультации ==

=== Консультация перед экзаменом на лекции 2023-2024 ===
*[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9A%D0%BE%D0%BD%D1%81%D1%83%D0%BB%D1%8C%D1%82%D0%B0%D1%86%D0%B8%D1%8F.%20%D0%9C%D0%9E.%202023-2024.pdf Задачи]
*[https://youtu.be/chChWaDkYEI Видео 1]
*[https://youtu.be/si0jgqis1fY Видео 2]
*[https://youtu.be/ET47Z_r9B98 Видео 3]
*[https://youtu.be/m8Crj5Nh_20 Видео 4]

=== Консультация о генерации данных для домашней работы 2023-2024 ===

* [https://colab.research.google.com/drive/15l0cILQJZdi3RXKScGG8K0jjbLtbcS5G?usp=sharing Код консультации]
* [https://youtu.be/B5w5HPFkbTo Видео, часть 1]
* [https://youtu.be/PFbkJITNa7A Видео, часть 2]

== Неделя 0. Введение в машинное обучение ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Лекция%200.%20Введение%20в%20машинное%20обучение.pdf Слайды лекции]

== Неделя 1. Байесовские сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1Iq1zomLp2kZ1kAffPeFyzHFtdvhbuTR2?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 6.

2. MLPP глава 10.

== Неделя 2. Метод ближайших соседей ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Слайды лекции]

[https://colab.research.google.com/drive/1a2sgrKj_ap58JKRixlG2xvopTmV7dU_8?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 5.

2. MLPP глава 16.

== Неделя 3. Деревья ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%203.%20%D0%94%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vXOMuDUFSxqO4XFpvvcpf4SWokIx4Lk9?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%203.%20%D0%A0%D0%B5%D1%88%D0%B0%D1%8E%D1%89%D0%B8%D0%B5%20%D0%B4%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 4.

== Неделя 4. Логистическая регрессия и метод опорных векторов ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BE%D0%BF%D0%BE%D1%80%D0%BD%D1%8B%D1%85%20%D0%B2%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BE%D0%B2.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vqEDTOwBGkz0mEM4i4SPxHvVRrJfTjmy?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9%20%D0%B1%D1%83%D1%81%D1%82%D0%B8%D0%BD%D0%B3.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 7.

2. MLPP главы 8 и 14.5.

=== Дополнительные материалы ===

1. [https://projecteuclid.org/journalArticle/Download?urlId=10.1214%2Faos%2F1013203451 Статья, в которой был предложен градиентный бустинг]

= Список литературы =

# '''FOML''' - [https://www.amazon.com/Fundamentals-Machine-Learning-Predictive-Analytics/dp/0262029448 Fundamentals of machine learning for predictive data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy.] '''Низкая сложность'''
# '''HBE''' - [https://www.amazon.com/Econometrics-Bruce-Hansen/dp/0691235899 Econometrics. Hansen B.] '''Средняя сложность'''
# '''CMLE''' - [https://causalml-book.org Applied Causal Inference Powered by ML and AI. V. Chernozhukov, C. Hansen, N. Kallus, M. Spindler, V. Syrgkanis] '''Средняя сложность'''
# '''MLPP''' - [https://www.amazon.com/Machine-Learning-Probabilistic-Perspective-Computation/dp/0262018020 Machine learning a probabilistic perspective. Kevin P. Murphy.] '''Высокая сложность'''

== Неделя 5. Машинное обучение в эконометрике ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Слайды лекции]

[https://colab.research.google.com/drive/11ss8xdr6B3FPeIExktOZ90GFzGAS7mq5?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. HBE глава 29.

=== Дополнительные материалы ===

1. [https://www.jstatsoft.org/index.php/jss/article/view/v108i03/4527 Двойное машинное обучение в R]

2. [https://arxiv.org/pdf/2301.09397.pdf Двойное машинное обучение в STATA]

3. [https://jmlr.org/papers/volume23/21-0862/21-0862.pdf Двойное машинное обучение в python].

4. [https://www.youtube.com/watch?v=eHOjmyoPCFU&t=1552s Видео лекции о теории двойного машинного обучения от создателя метода]

5. [https://www.youtube.com/watch?v=ErecsyKEq74 Видео лекции о программной реализации двойного машинного обучения от создателей пакета]

'''Примечание''': пакеты в R и python разработаны одними и теми же людьми, поэтому практически идентичны. Однако, в статье про пакет в R все расписано гораздо подробней и понятней, с большим числом наглядных примеров и наиболее важными теоретическими выкладками.

== Неделя 6. Эффекты воздействия ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1uFqihpgQxbPw61kz3N2icOzqPGeK_H-d?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

2. HBE главы 12.34 и 29.22.

=== Дополнительные материалы ===

[https://mixtape.scunning.com Простое, но достаточно подробное введение в causal inference.]

[https://arxiv.org/pdf/2511.12640 Двойное машинное обучение в моделях с неслучайным отбором]

[https://academic.oup.com/ectj/article/27/2/213/7602388?login=false Примеры использования машинного обучения для оценивания эффектов воздействия в прикладных исследованиях]

== Неделя 7. Нейронные сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1QuoHICOPZNfj3Z0ZpYC248zRAwqDSXfU?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

=== Дополнительные материалы ===

[https://www.cs.toronto.edu/~rsalakhu/papers/srivastava14a.pdf 1. Статья, в которой был предложен метод исключения (dropout).]

Машинное обучение в экономике онлайн 2025-2026

2026-01-13T15:36:03Z

Potanin: /* Домашнее задание 1 */

== Материалы для повторения ==

Викистранички курсов по теории вероятностей и математической статистике:

* [http://wiki.cs.hse.ru/Теория_вероятностей_и_статистика,_МИРЭК,_2023-2024 МИРЭК]
* [http://wiki.cs.hse.ru/Econ_probability_2023-24 Экономика]

Видео про применение python в математической статистике:

* [https://youtu.be/F7dJmORBXzM Часть 1]
* [https://youtu.be/VKHr1Po9ztI Часть 2]
* [https://youtu.be/3ZGq472-XbE Часть 3]
* [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm Код к видео]

== Информация о курсе ==

'''Оценка''' = 0.01 * ДЗ1 + 0.29 * ДЗ2 + 0.7 * Экзамен

== Домашнее задание ==

=== Домашнее задание 1 ===

'''Дедлайн''': 14 февраля

Необходимо внести данные группы (до двух человек включительно), в которой будет выполняться второе домашнее задание, в таблицу (ссылка появится позже)].

=== Домашнее задание 2 ===

'''Дедлайн''': будет указан позже

Текст задания появится позже

== Экзамен ==

'''Дата''': будет объявлена позже

=== Экзамены прошлых лет ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%92%D1%81%D1%82%D1%83%D0%BF%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D0%B5%20%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5.%20%D0%9C%D0%9E.%202023-2024.pdf Первый пример экзамена с решениями 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9F%D1%80%D0%B5%D0%B4%D0%B2%D0%B0%D1%80%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9.%20%D0%9C%D0%9E.%202023-2024.pdf Второй пример экзамена с решениями, 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9C%D0%9E.%202023-2024.pdf Экзамен 2023-2024 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD%20%D0%9C%D0%9E%20%D0%9C%D0%B0%D0%B3%D0%B8%D1%81%D1%82%D1%80%D0%B0%D1%82%D1%83%D1%80%D0%B0%202024-2025%20%D1%80%D0%B5%D1%88%D0%B5%D0%BD%D0%B8%D0%B5.pdf Экзамен 2024-2025 с решениями, магистратура]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Бакалавриат%202024-2025.pdf Экзамен 2024-2025 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Магистратура%202025-2026%20решения.pdf Экзамен 2025-2026 с решениями, магистратура]

== Консультации ==

=== Консультация перед экзаменом на лекции 2023-2024 ===
*[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9A%D0%BE%D0%BD%D1%81%D1%83%D0%BB%D1%8C%D1%82%D0%B0%D1%86%D0%B8%D1%8F.%20%D0%9C%D0%9E.%202023-2024.pdf Задачи]
*[https://youtu.be/chChWaDkYEI Видео 1]
*[https://youtu.be/si0jgqis1fY Видео 2]
*[https://youtu.be/ET47Z_r9B98 Видео 3]
*[https://youtu.be/m8Crj5Nh_20 Видео 4]

=== Консультация о генерации данных для домашней работы 2023-2024 ===

* [https://colab.research.google.com/drive/15l0cILQJZdi3RXKScGG8K0jjbLtbcS5G?usp=sharing Код консультации]
* [https://youtu.be/B5w5HPFkbTo Видео, часть 1]
* [https://youtu.be/PFbkJITNa7A Видео, часть 2]

== Неделя 0. Введение в машинное обучение ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Лекция%200.%20Введение%20в%20машинное%20обучение.pdf Слайды лекции]

== Неделя 1. Байесовские сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1Iq1zomLp2kZ1kAffPeFyzHFtdvhbuTR2?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 6.

2. MLPP глава 10.

== Неделя 2. Метод ближайших соседей ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Слайды лекции]

[https://colab.research.google.com/drive/1a2sgrKj_ap58JKRixlG2xvopTmV7dU_8?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 5.

2. MLPP глава 16.

== Неделя 3. Деревья ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%203.%20%D0%94%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vXOMuDUFSxqO4XFpvvcpf4SWokIx4Lk9?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%203.%20%D0%A0%D0%B5%D1%88%D0%B0%D1%8E%D1%89%D0%B8%D0%B5%20%D0%B4%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 4.

== Неделя 4. Логистическая регрессия и метод опорных векторов ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BE%D0%BF%D0%BE%D1%80%D0%BD%D1%8B%D1%85%20%D0%B2%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BE%D0%B2.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vqEDTOwBGkz0mEM4i4SPxHvVRrJfTjmy?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9%20%D0%B1%D1%83%D1%81%D1%82%D0%B8%D0%BD%D0%B3.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 7.

2. MLPP главы 8 и 14.5.

=== Дополнительные материалы ===

1. [https://projecteuclid.org/journalArticle/Download?urlId=10.1214%2Faos%2F1013203451 Статья, в которой был предложен градиентный бустинг]

= Список литературы =

# '''FOML''' - [https://www.amazon.com/Fundamentals-Machine-Learning-Predictive-Analytics/dp/0262029448 Fundamentals of machine learning for predictive data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy.] '''Низкая сложность'''
# '''HBE''' - [https://www.amazon.com/Econometrics-Bruce-Hansen/dp/0691235899 Econometrics. Hansen B.] '''Средняя сложность'''
# '''CMLE''' - [https://causalml-book.org Applied Causal Inference Powered by ML and AI. V. Chernozhukov, C. Hansen, N. Kallus, M. Spindler, V. Syrgkanis] '''Средняя сложность'''
# '''MLPP''' - [https://www.amazon.com/Machine-Learning-Probabilistic-Perspective-Computation/dp/0262018020 Machine learning a probabilistic perspective. Kevin P. Murphy.] '''Высокая сложность'''

== Неделя 5. Машинное обучение в эконометрике ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Слайды лекции]

[https://colab.research.google.com/drive/11ss8xdr6B3FPeIExktOZ90GFzGAS7mq5?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. HBE глава 29.

=== Дополнительные материалы ===

1. [https://www.jstatsoft.org/index.php/jss/article/view/v108i03/4527 Двойное машинное обучение в R]

2. [https://arxiv.org/pdf/2301.09397.pdf Двойное машинное обучение в STATA]

3. [https://jmlr.org/papers/volume23/21-0862/21-0862.pdf Двойное машинное обучение в python].

4. [https://www.youtube.com/watch?v=eHOjmyoPCFU&t=1552s Видео лекции о теории двойного машинного обучения от создателя метода]

5. [https://www.youtube.com/watch?v=ErecsyKEq74 Видео лекции о программной реализации двойного машинного обучения от создателей пакета]

'''Примечание''': пакеты в R и python разработаны одними и теми же людьми, поэтому практически идентичны. Однако, в статье про пакет в R все расписано гораздо подробней и понятней, с большим числом наглядных примеров и наиболее важными теоретическими выкладками.

== Неделя 6. Эффекты воздействия ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1uFqihpgQxbPw61kz3N2icOzqPGeK_H-d?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

2. HBE главы 12.34 и 29.22.

=== Дополнительные материалы ===

[https://mixtape.scunning.com Простое, но достаточно подробное введение в causal inference.]

[https://arxiv.org/pdf/2511.12640 Двойное машинное обучение в моделях с неслучайным отбором]

[https://academic.oup.com/ectj/article/27/2/213/7602388?login=false Примеры использования машинного обучения для оценивания эффектов воздействия в прикладных исследованиях]

== Неделя 7. Нейронные сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1QuoHICOPZNfj3Z0ZpYC248zRAwqDSXfU?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

=== Дополнительные материалы ===

[https://www.cs.toronto.edu/~rsalakhu/papers/srivastava14a.pdf 1. Статья, в которой был предложен метод исключения (dropout).]

Машинное обучение в экономике онлайн 2025-2026

2026-01-13T15:35:02Z

== Материалы для повторения ==

Викистранички курсов по теории вероятностей и математической статистике:

* [http://wiki.cs.hse.ru/Теория_вероятностей_и_статистика,_МИРЭК,_2023-2024 МИРЭК]
* [http://wiki.cs.hse.ru/Econ_probability_2023-24 Экономика]

Видео про применение python в математической статистике:

* [https://youtu.be/F7dJmORBXzM Часть 1]
* [https://youtu.be/VKHr1Po9ztI Часть 2]
* [https://youtu.be/3ZGq472-XbE Часть 3]
* [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm Код к видео]

== Информация о курсе ==

'''Оценка''' = 0.01 * ДЗ1 + 0.29 * ДЗ2 + 0.7 * Экзамен

== Домашнее задание ==

=== Домашнее задание 1 ===

'''Дедлайн''': 7 декабря

Необходимо внести данные группы (до двух человек включительно), в которой будет выполняться второе домашнее задание, в таблицу (ссылка появится позже)].

=== Домашнее задание 2 ===

'''Дедлайн''': будет указан позже

Текст задания появится позже

== Экзамен ==

'''Дата''': будет объявлена позже

=== Экзамены прошлых лет ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%92%D1%81%D1%82%D1%83%D0%BF%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D0%B5%20%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5.%20%D0%9C%D0%9E.%202023-2024.pdf Первый пример экзамена с решениями 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9F%D1%80%D0%B5%D0%B4%D0%B2%D0%B0%D1%80%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9.%20%D0%9C%D0%9E.%202023-2024.pdf Второй пример экзамена с решениями, 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9C%D0%9E.%202023-2024.pdf Экзамен 2023-2024 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD%20%D0%9C%D0%9E%20%D0%9C%D0%B0%D0%B3%D0%B8%D1%81%D1%82%D1%80%D0%B0%D1%82%D1%83%D1%80%D0%B0%202024-2025%20%D1%80%D0%B5%D1%88%D0%B5%D0%BD%D0%B8%D0%B5.pdf Экзамен 2024-2025 с решениями, магистратура]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Бакалавриат%202024-2025.pdf Экзамен 2024-2025 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Магистратура%202025-2026%20решения.pdf Экзамен 2025-2026 с решениями, магистратура]

== Консультации ==

=== Консультация перед экзаменом на лекции 2023-2024 ===
*[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9A%D0%BE%D0%BD%D1%81%D1%83%D0%BB%D1%8C%D1%82%D0%B0%D1%86%D0%B8%D1%8F.%20%D0%9C%D0%9E.%202023-2024.pdf Задачи]
*[https://youtu.be/chChWaDkYEI Видео 1]
*[https://youtu.be/si0jgqis1fY Видео 2]
*[https://youtu.be/ET47Z_r9B98 Видео 3]
*[https://youtu.be/m8Crj5Nh_20 Видео 4]

=== Консультация о генерации данных для домашней работы 2023-2024 ===

* [https://colab.research.google.com/drive/15l0cILQJZdi3RXKScGG8K0jjbLtbcS5G?usp=sharing Код консультации]
* [https://youtu.be/B5w5HPFkbTo Видео, часть 1]
* [https://youtu.be/PFbkJITNa7A Видео, часть 2]

== Неделя 0. Введение в машинное обучение ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Лекция%200.%20Введение%20в%20машинное%20обучение.pdf Слайды лекции]

== Неделя 1. Байесовские сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1Iq1zomLp2kZ1kAffPeFyzHFtdvhbuTR2?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 6.

2. MLPP глава 10.

== Неделя 2. Метод ближайших соседей ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Слайды лекции]

[https://colab.research.google.com/drive/1a2sgrKj_ap58JKRixlG2xvopTmV7dU_8?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 5.

2. MLPP глава 16.

== Неделя 3. Деревья ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%203.%20%D0%94%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vXOMuDUFSxqO4XFpvvcpf4SWokIx4Lk9?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%203.%20%D0%A0%D0%B5%D1%88%D0%B0%D1%8E%D1%89%D0%B8%D0%B5%20%D0%B4%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 4.

== Неделя 4. Логистическая регрессия и метод опорных векторов ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BE%D0%BF%D0%BE%D1%80%D0%BD%D1%8B%D1%85%20%D0%B2%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BE%D0%B2.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vqEDTOwBGkz0mEM4i4SPxHvVRrJfTjmy?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9%20%D0%B1%D1%83%D1%81%D1%82%D0%B8%D0%BD%D0%B3.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 7.

2. MLPP главы 8 и 14.5.

=== Дополнительные материалы ===

1. [https://projecteuclid.org/journalArticle/Download?urlId=10.1214%2Faos%2F1013203451 Статья, в которой был предложен градиентный бустинг]

= Список литературы =

# '''FOML''' - [https://www.amazon.com/Fundamentals-Machine-Learning-Predictive-Analytics/dp/0262029448 Fundamentals of machine learning for predictive data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy.] '''Низкая сложность'''
# '''HBE''' - [https://www.amazon.com/Econometrics-Bruce-Hansen/dp/0691235899 Econometrics. Hansen B.] '''Средняя сложность'''
# '''CMLE''' - [https://causalml-book.org Applied Causal Inference Powered by ML and AI. V. Chernozhukov, C. Hansen, N. Kallus, M. Spindler, V. Syrgkanis] '''Средняя сложность'''
# '''MLPP''' - [https://www.amazon.com/Machine-Learning-Probabilistic-Perspective-Computation/dp/0262018020 Machine learning a probabilistic perspective. Kevin P. Murphy.] '''Высокая сложность'''

== Неделя 5. Машинное обучение в эконометрике ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Слайды лекции]

[https://colab.research.google.com/drive/11ss8xdr6B3FPeIExktOZ90GFzGAS7mq5?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. HBE глава 29.

=== Дополнительные материалы ===

1. [https://www.jstatsoft.org/index.php/jss/article/view/v108i03/4527 Двойное машинное обучение в R]

2. [https://arxiv.org/pdf/2301.09397.pdf Двойное машинное обучение в STATA]

3. [https://jmlr.org/papers/volume23/21-0862/21-0862.pdf Двойное машинное обучение в python].

4. [https://www.youtube.com/watch?v=eHOjmyoPCFU&t=1552s Видео лекции о теории двойного машинного обучения от создателя метода]

5. [https://www.youtube.com/watch?v=ErecsyKEq74 Видео лекции о программной реализации двойного машинного обучения от создателей пакета]

'''Примечание''': пакеты в R и python разработаны одними и теми же людьми, поэтому практически идентичны. Однако, в статье про пакет в R все расписано гораздо подробней и понятней, с большим числом наглядных примеров и наиболее важными теоретическими выкладками.

== Неделя 6. Эффекты воздействия ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1uFqihpgQxbPw61kz3N2icOzqPGeK_H-d?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

2. HBE главы 12.34 и 29.22.

=== Дополнительные материалы ===

[https://mixtape.scunning.com Простое, но достаточно подробное введение в causal inference.]

[https://arxiv.org/pdf/2511.12640 Двойное машинное обучение в моделях с неслучайным отбором]

[https://academic.oup.com/ectj/article/27/2/213/7602388?login=false Примеры использования машинного обучения для оценивания эффектов воздействия в прикладных исследованиях]

== Неделя 7. Нейронные сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1QuoHICOPZNfj3Z0ZpYC248zRAwqDSXfU?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

=== Дополнительные материалы ===

[https://www.cs.toronto.edu/~rsalakhu/papers/srivastava14a.pdf 1. Статья, в которой был предложен метод исключения (dropout).]

Машинное обучение в экономике магистратура 2025-2026

2025-12-26T17:17:43Z

Potanin: /* Экзамены прошлых лет */

== Материалы для повторения ==

Викистранички курсов по теории вероятностей и математической статистике:

* [http://wiki.cs.hse.ru/Теория_вероятностей_и_статистика,_МИРЭК,_2023-2024 МИРЭК]
* [http://wiki.cs.hse.ru/Econ_probability_2023-24 Экономика]

Видео про применение python в математической статистике:

* [https://youtu.be/F7dJmORBXzM Часть 1]
* [https://youtu.be/VKHr1Po9ztI Часть 2]
* [https://youtu.be/3ZGq472-XbE Часть 3]
* [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm Код к видео]

== Информация о курсе ==

'''Оценка''' = 0.01 * ДЗ1 + 0.29 * ДЗ2 + 0.7 * Экзамен

== Домашнее задание ==

=== Домашнее задание 1 ===

'''Дедлайн''': 7 декабря

Необходимо внести данные группы (до двух человек включительно), в которой будет выполняться второе домашнее задание, в таблицу по [https://docs.google.com/spreadsheets/d/1COFwj46dkR8txD1x_brrw6YGh1-fPLx8adbuAvSQ-b8/edit?usp=sharing ссылке].

=== Домашнее задание 2 ===

'''Дедлайн''': 14 декабря

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%94%D0%BE%D0%BC%D0%B0%D1%88%D0%BD%D0%B5%D0%B5_%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5__%D0%9C%D0%9E__%D0%9C%D0%90%D0%93_2025_2026.pdf Текст задания]

== Экзамен ==

'''Дата''': будет объявлена позже

=== Экзамены прошлых лет ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%92%D1%81%D1%82%D1%83%D0%BF%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D0%B5%20%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5.%20%D0%9C%D0%9E.%202023-2024.pdf Первый пример экзамена с решениями 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9F%D1%80%D0%B5%D0%B4%D0%B2%D0%B0%D1%80%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9.%20%D0%9C%D0%9E.%202023-2024.pdf Второй пример экзамена с решениями, 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9C%D0%9E.%202023-2024.pdf Экзамен 2023-2024 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD%20%D0%9C%D0%9E%20%D0%9C%D0%B0%D0%B3%D0%B8%D1%81%D1%82%D1%80%D0%B0%D1%82%D1%83%D1%80%D0%B0%202024-2025%20%D1%80%D0%B5%D1%88%D0%B5%D0%BD%D0%B8%D0%B5.pdf Экзамен 2024-2025 с решениями, магистратура]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Бакалавриат%202024-2025.pdf Экзамен 2024-2025 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Магистратура%202025-2026%20решения.pdf Экзамен 2025-2026 с решениями, магистратура]

== Консультации ==

=== Консультация перед экзаменом на лекции 2023-2024 ===
*[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9A%D0%BE%D0%BD%D1%81%D1%83%D0%BB%D1%8C%D1%82%D0%B0%D1%86%D0%B8%D1%8F.%20%D0%9C%D0%9E.%202023-2024.pdf Задачи]
*[https://youtu.be/chChWaDkYEI Видео 1]
*[https://youtu.be/si0jgqis1fY Видео 2]
*[https://youtu.be/ET47Z_r9B98 Видео 3]
*[https://youtu.be/m8Crj5Nh_20 Видео 4]

=== Консультация о генерации данных для домашней работы 2023-2024 ===

* [https://colab.research.google.com/drive/15l0cILQJZdi3RXKScGG8K0jjbLtbcS5G?usp=sharing Код консультации]
* [https://youtu.be/B5w5HPFkbTo Видео, часть 1]
* [https://youtu.be/PFbkJITNa7A Видео, часть 2]

== Неделя 0. Введение в машинное обучение ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Лекция%200.%20Введение%20в%20машинное%20обучение.pdf Слайды лекции]

== Неделя 1. Байесовские сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1Iq1zomLp2kZ1kAffPeFyzHFtdvhbuTR2?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 6.

2. MLPP глава 10.

== Неделя 2. Метод ближайших соседей ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Слайды лекции]

[https://colab.research.google.com/drive/1a2sgrKj_ap58JKRixlG2xvopTmV7dU_8?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 5.

2. MLPP глава 16.

== Неделя 3. Деревья ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%203.%20%D0%94%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vXOMuDUFSxqO4XFpvvcpf4SWokIx4Lk9?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%203.%20%D0%A0%D0%B5%D1%88%D0%B0%D1%8E%D1%89%D0%B8%D0%B5%20%D0%B4%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 4.

== Неделя 4. Логистическая регрессия и метод опорных векторов ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BE%D0%BF%D0%BE%D1%80%D0%BD%D1%8B%D1%85%20%D0%B2%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BE%D0%B2.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vqEDTOwBGkz0mEM4i4SPxHvVRrJfTjmy?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9%20%D0%B1%D1%83%D1%81%D1%82%D0%B8%D0%BD%D0%B3.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 7.

2. MLPP главы 8 и 14.5.

=== Дополнительные материалы ===

1. [https://projecteuclid.org/journalArticle/Download?urlId=10.1214%2Faos%2F1013203451 Статья, в которой был предложен градиентный бустинг]

= Список литературы =

# '''FOML''' - [https://www.amazon.com/Fundamentals-Machine-Learning-Predictive-Analytics/dp/0262029448 Fundamentals of machine learning for predictive data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy.] '''Низкая сложность'''
# '''HBE''' - [https://www.amazon.com/Econometrics-Bruce-Hansen/dp/0691235899 Econometrics. Hansen B.] '''Средняя сложность'''
# '''CMLE''' - [https://causalml-book.org Applied Causal Inference Powered by ML and AI. V. Chernozhukov, C. Hansen, N. Kallus, M. Spindler, V. Syrgkanis] '''Средняя сложность'''
# '''MLPP''' - [https://www.amazon.com/Machine-Learning-Probabilistic-Perspective-Computation/dp/0262018020 Machine learning a probabilistic perspective. Kevin P. Murphy.] '''Высокая сложность'''

== Неделя 5. Машинное обучение в эконометрике ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Слайды лекции]

[https://colab.research.google.com/drive/11ss8xdr6B3FPeIExktOZ90GFzGAS7mq5?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. HBE глава 29.

=== Дополнительные материалы ===

1. [https://www.jstatsoft.org/index.php/jss/article/view/v108i03/4527 Двойное машинное обучение в R]

2. [https://arxiv.org/pdf/2301.09397.pdf Двойное машинное обучение в STATA]

3. [https://jmlr.org/papers/volume23/21-0862/21-0862.pdf Двойное машинное обучение в python].

4. [https://www.youtube.com/watch?v=eHOjmyoPCFU&t=1552s Видео лекции о теории двойного машинного обучения от создателя метода]

5. [https://www.youtube.com/watch?v=ErecsyKEq74 Видео лекции о программной реализации двойного машинного обучения от создателей пакета]

'''Примечание''': пакеты в R и python разработаны одними и теми же людьми, поэтому практически идентичны. Однако, в статье про пакет в R все расписано гораздо подробней и понятней, с большим числом наглядных примеров и наиболее важными теоретическими выкладками.

== Неделя 6. Эффекты воздействия ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1uFqihpgQxbPw61kz3N2icOzqPGeK_H-d?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

2. HBE главы 12.34 и 29.22.

=== Дополнительные материалы ===

[https://mixtape.scunning.com Простое, но достаточно подробное введение в causal inference.]

[https://arxiv.org/pdf/2511.12640 Двойное машинное обучение в моделях с неслучайным отбором]

[https://academic.oup.com/ectj/article/27/2/213/7602388?login=false Примеры использования машинного обучения для оценивания эффектов воздействия в прикладных исследованиях]

== Неделя 7. Нейронные сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1QuoHICOPZNfj3Z0ZpYC248zRAwqDSXfU?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

=== Дополнительные материалы ===

[https://www.cs.toronto.edu/~rsalakhu/papers/srivastava14a.pdf 1. Статья, в которой был предложен метод исключения (dropout).]

Машинное обучение в экономике магистратура 2025-2026

2025-12-19T11:19:51Z

Potanin: /* Неделя 6. Эффекты воздействия */

== Материалы для повторения ==

Викистранички курсов по теории вероятностей и математической статистике:

* [http://wiki.cs.hse.ru/Теория_вероятностей_и_статистика,_МИРЭК,_2023-2024 МИРЭК]
* [http://wiki.cs.hse.ru/Econ_probability_2023-24 Экономика]

Видео про применение python в математической статистике:

* [https://youtu.be/F7dJmORBXzM Часть 1]
* [https://youtu.be/VKHr1Po9ztI Часть 2]
* [https://youtu.be/3ZGq472-XbE Часть 3]
* [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm Код к видео]

== Информация о курсе ==

'''Оценка''' = 0.01 * ДЗ1 + 0.29 * ДЗ2 + 0.7 * Экзамен

== Домашнее задание ==

=== Домашнее задание 1 ===

'''Дедлайн''': 7 декабря

Необходимо внести данные группы (до двух человек включительно), в которой будет выполняться второе домашнее задание, в таблицу по [https://docs.google.com/spreadsheets/d/1COFwj46dkR8txD1x_brrw6YGh1-fPLx8adbuAvSQ-b8/edit?usp=sharing ссылке].

=== Домашнее задание 2 ===

'''Дедлайн''': 14 декабря

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%94%D0%BE%D0%BC%D0%B0%D1%88%D0%BD%D0%B5%D0%B5_%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5__%D0%9C%D0%9E__%D0%9C%D0%90%D0%93_2025_2026.pdf Текст задания]

== Экзамен ==

'''Дата''': будет объявлена позже

=== Экзамены прошлых лет ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%92%D1%81%D1%82%D1%83%D0%BF%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D0%B5%20%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5.%20%D0%9C%D0%9E.%202023-2024.pdf Первый пример экзамена с решениями 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9F%D1%80%D0%B5%D0%B4%D0%B2%D0%B0%D1%80%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9.%20%D0%9C%D0%9E.%202023-2024.pdf Второй пример экзамена с решениями, 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9C%D0%9E.%202023-2024.pdf Экзамен 2023-2024 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD%20%D0%9C%D0%9E%20%D0%9C%D0%B0%D0%B3%D0%B8%D1%81%D1%82%D1%80%D0%B0%D1%82%D1%83%D1%80%D0%B0%202024-2025%20%D1%80%D0%B5%D1%88%D0%B5%D0%BD%D0%B8%D0%B5.pdf Экзамен 2024-2025 с решениями, магистратура]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Бакалавриат%202024-2025.pdf Экзамен 2024-2025 с решениями, бакалавриат]

== Консультации ==

=== Консультация перед экзаменом на лекции 2023-2024 ===
*[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9A%D0%BE%D0%BD%D1%81%D1%83%D0%BB%D1%8C%D1%82%D0%B0%D1%86%D0%B8%D1%8F.%20%D0%9C%D0%9E.%202023-2024.pdf Задачи]
*[https://youtu.be/chChWaDkYEI Видео 1]
*[https://youtu.be/si0jgqis1fY Видео 2]
*[https://youtu.be/ET47Z_r9B98 Видео 3]
*[https://youtu.be/m8Crj5Nh_20 Видео 4]

=== Консультация о генерации данных для домашней работы 2023-2024 ===

* [https://colab.research.google.com/drive/15l0cILQJZdi3RXKScGG8K0jjbLtbcS5G?usp=sharing Код консультации]
* [https://youtu.be/B5w5HPFkbTo Видео, часть 1]
* [https://youtu.be/PFbkJITNa7A Видео, часть 2]

== Неделя 0. Введение в машинное обучение ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Лекция%200.%20Введение%20в%20машинное%20обучение.pdf Слайды лекции]

== Неделя 1. Байесовские сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1Iq1zomLp2kZ1kAffPeFyzHFtdvhbuTR2?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 6.

2. MLPP глава 10.

== Неделя 2. Метод ближайших соседей ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Слайды лекции]

[https://colab.research.google.com/drive/1a2sgrKj_ap58JKRixlG2xvopTmV7dU_8?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 5.

2. MLPP глава 16.

== Неделя 3. Деревья ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%203.%20%D0%94%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vXOMuDUFSxqO4XFpvvcpf4SWokIx4Lk9?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%203.%20%D0%A0%D0%B5%D1%88%D0%B0%D1%8E%D1%89%D0%B8%D0%B5%20%D0%B4%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 4.

== Неделя 4. Логистическая регрессия и метод опорных векторов ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BE%D0%BF%D0%BE%D1%80%D0%BD%D1%8B%D1%85%20%D0%B2%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BE%D0%B2.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vqEDTOwBGkz0mEM4i4SPxHvVRrJfTjmy?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9%20%D0%B1%D1%83%D1%81%D1%82%D0%B8%D0%BD%D0%B3.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 7.

2. MLPP главы 8 и 14.5.

=== Дополнительные материалы ===

1. [https://projecteuclid.org/journalArticle/Download?urlId=10.1214%2Faos%2F1013203451 Статья, в которой был предложен градиентный бустинг]

= Список литературы =

# '''FOML''' - [https://www.amazon.com/Fundamentals-Machine-Learning-Predictive-Analytics/dp/0262029448 Fundamentals of machine learning for predictive data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy.] '''Низкая сложность'''
# '''HBE''' - [https://www.amazon.com/Econometrics-Bruce-Hansen/dp/0691235899 Econometrics. Hansen B.] '''Средняя сложность'''
# '''CMLE''' - [https://causalml-book.org Applied Causal Inference Powered by ML and AI. V. Chernozhukov, C. Hansen, N. Kallus, M. Spindler, V. Syrgkanis] '''Средняя сложность'''
# '''MLPP''' - [https://www.amazon.com/Machine-Learning-Probabilistic-Perspective-Computation/dp/0262018020 Machine learning a probabilistic perspective. Kevin P. Murphy.] '''Высокая сложность'''

== Неделя 5. Машинное обучение в эконометрике ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Слайды лекции]

[https://colab.research.google.com/drive/11ss8xdr6B3FPeIExktOZ90GFzGAS7mq5?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. HBE глава 29.

=== Дополнительные материалы ===

1. [https://www.jstatsoft.org/index.php/jss/article/view/v108i03/4527 Двойное машинное обучение в R]

2. [https://arxiv.org/pdf/2301.09397.pdf Двойное машинное обучение в STATA]

3. [https://jmlr.org/papers/volume23/21-0862/21-0862.pdf Двойное машинное обучение в python].

4. [https://www.youtube.com/watch?v=eHOjmyoPCFU&t=1552s Видео лекции о теории двойного машинного обучения от создателя метода]

5. [https://www.youtube.com/watch?v=ErecsyKEq74 Видео лекции о программной реализации двойного машинного обучения от создателей пакета]

'''Примечание''': пакеты в R и python разработаны одними и теми же людьми, поэтому практически идентичны. Однако, в статье про пакет в R все расписано гораздо подробней и понятней, с большим числом наглядных примеров и наиболее важными теоретическими выкладками.

== Неделя 6. Эффекты воздействия ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1uFqihpgQxbPw61kz3N2icOzqPGeK_H-d?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

2. HBE главы 12.34 и 29.22.

=== Дополнительные материалы ===

[https://mixtape.scunning.com Простое, но достаточно подробное введение в causal inference.]

[https://arxiv.org/pdf/2511.12640 Двойное машинное обучение в моделях с неслучайным отбором]

[https://academic.oup.com/ectj/article/27/2/213/7602388?login=false Примеры использования машинного обучения для оценивания эффектов воздействия в прикладных исследованиях]

== Неделя 7. Нейронные сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1QuoHICOPZNfj3Z0ZpYC248zRAwqDSXfU?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%207.%20%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

=== Дополнительные материалы ===

[https://www.cs.toronto.edu/~rsalakhu/papers/srivastava14a.pdf 1. Статья, в которой был предложен метод исключения (dropout).]

Машинное обучение в экономике магистратура 2025-2026

2025-12-12T11:51:19Z

Potanin: /* Дополнительные материалы */

== Материалы для повторения ==

Викистранички курсов по теории вероятностей и математической статистике:

* [http://wiki.cs.hse.ru/Теория_вероятностей_и_статистика,_МИРЭК,_2023-2024 МИРЭК]
* [http://wiki.cs.hse.ru/Econ_probability_2023-24 Экономика]

Видео про применение python в математической статистике:

* [https://youtu.be/F7dJmORBXzM Часть 1]
* [https://youtu.be/VKHr1Po9ztI Часть 2]
* [https://youtu.be/3ZGq472-XbE Часть 3]
* [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm Код к видео]

== Информация о курсе ==

'''Оценка''' = 0.01 * ДЗ1 + 0.29 * ДЗ2 + 0.7 * Экзамен

== Домашнее задание ==

=== Домашнее задание 1 ===

'''Дедлайн''': 7 декабря

Необходимо внести данные группы (до двух человек включительно), в которой будет выполняться второе домашнее задание, в таблицу по [https://docs.google.com/spreadsheets/d/1COFwj46dkR8txD1x_brrw6YGh1-fPLx8adbuAvSQ-b8/edit?usp=sharing ссылке].

=== Домашнее задание 2 ===

'''Дедлайн''': 14 декабря

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%94%D0%BE%D0%BC%D0%B0%D1%88%D0%BD%D0%B5%D0%B5_%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5__%D0%9C%D0%9E__%D0%9C%D0%90%D0%93_2025_2026.pdf Текст задания]

== Экзамен ==

'''Дата''': будет объявлена позже

=== Экзамены прошлых лет ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%92%D1%81%D1%82%D1%83%D0%BF%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D0%B5%20%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5.%20%D0%9C%D0%9E.%202023-2024.pdf Первый пример экзамена с решениями 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9F%D1%80%D0%B5%D0%B4%D0%B2%D0%B0%D1%80%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9.%20%D0%9C%D0%9E.%202023-2024.pdf Второй пример экзамена с решениями, 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9C%D0%9E.%202023-2024.pdf Экзамен 2023-2024 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD%20%D0%9C%D0%9E%20%D0%9C%D0%B0%D0%B3%D0%B8%D1%81%D1%82%D1%80%D0%B0%D1%82%D1%83%D1%80%D0%B0%202024-2025%20%D1%80%D0%B5%D1%88%D0%B5%D0%BD%D0%B8%D0%B5.pdf Экзамен 2024-2025 с решениями, магистратура]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Бакалавриат%202024-2025.pdf Экзамен 2024-2025 с решениями, бакалавриат]

== Консультации ==

=== Консультация перед экзаменом на лекции 2023-2024 ===
*[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9A%D0%BE%D0%BD%D1%81%D1%83%D0%BB%D1%8C%D1%82%D0%B0%D1%86%D0%B8%D1%8F.%20%D0%9C%D0%9E.%202023-2024.pdf Задачи]
*[https://youtu.be/chChWaDkYEI Видео 1]
*[https://youtu.be/si0jgqis1fY Видео 2]
*[https://youtu.be/ET47Z_r9B98 Видео 3]
*[https://youtu.be/m8Crj5Nh_20 Видео 4]

=== Консультация о генерации данных для домашней работы 2023-2024 ===

* [https://colab.research.google.com/drive/15l0cILQJZdi3RXKScGG8K0jjbLtbcS5G?usp=sharing Код консультации]
* [https://youtu.be/B5w5HPFkbTo Видео, часть 1]
* [https://youtu.be/PFbkJITNa7A Видео, часть 2]

== Неделя 0. Введение в машинное обучение ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Лекция%200.%20Введение%20в%20машинное%20обучение.pdf Слайды лекции]

== Неделя 1. Байесовские сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1Iq1zomLp2kZ1kAffPeFyzHFtdvhbuTR2?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 6.

2. MLPP глава 10.

== Неделя 2. Метод ближайших соседей ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Слайды лекции]

[https://colab.research.google.com/drive/1a2sgrKj_ap58JKRixlG2xvopTmV7dU_8?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 5.

2. MLPP глава 16.

== Неделя 3. Деревья ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%203.%20%D0%94%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vXOMuDUFSxqO4XFpvvcpf4SWokIx4Lk9?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%203.%20%D0%A0%D0%B5%D1%88%D0%B0%D1%8E%D1%89%D0%B8%D0%B5%20%D0%B4%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 4.

== Неделя 4. Логистическая регрессия и метод опорных векторов ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BE%D0%BF%D0%BE%D1%80%D0%BD%D1%8B%D1%85%20%D0%B2%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BE%D0%B2.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vqEDTOwBGkz0mEM4i4SPxHvVRrJfTjmy?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9%20%D0%B1%D1%83%D1%81%D1%82%D0%B8%D0%BD%D0%B3.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 7.

2. MLPP главы 8 и 14.5.

=== Дополнительные материалы ===

1. [https://projecteuclid.org/journalArticle/Download?urlId=10.1214%2Faos%2F1013203451 Статья, в которой был предложен градиентный бустинг]

= Список литературы =

# '''FOML''' - [https://www.amazon.com/Fundamentals-Machine-Learning-Predictive-Analytics/dp/0262029448 Fundamentals of machine learning for predictive data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy.] '''Низкая сложность'''
# '''HBE''' - [https://www.amazon.com/Econometrics-Bruce-Hansen/dp/0691235899 Econometrics. Hansen B.] '''Средняя сложность'''
# '''CMLE''' - [https://causalml-book.org Applied Causal Inference Powered by ML and AI. V. Chernozhukov, C. Hansen, N. Kallus, M. Spindler, V. Syrgkanis] '''Средняя сложность'''
# '''MLPP''' - [https://www.amazon.com/Machine-Learning-Probabilistic-Perspective-Computation/dp/0262018020 Machine learning a probabilistic perspective. Kevin P. Murphy.] '''Высокая сложность'''

== Неделя 5. Машинное обучение в эконометрике ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Слайды лекции]

[https://colab.research.google.com/drive/11ss8xdr6B3FPeIExktOZ90GFzGAS7mq5?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. HBE глава 29.

=== Дополнительные материалы ===

1. [https://www.jstatsoft.org/index.php/jss/article/view/v108i03/4527 Двойное машинное обучение в R]

2. [https://arxiv.org/pdf/2301.09397.pdf Двойное машинное обучение в STATA]

3. [https://jmlr.org/papers/volume23/21-0862/21-0862.pdf Двойное машинное обучение в python].

4. [https://www.youtube.com/watch?v=eHOjmyoPCFU&t=1552s Видео лекции о теории двойного машинного обучения от создателя метода]

5. [https://www.youtube.com/watch?v=ErecsyKEq74 Видео лекции о программной реализации двойного машинного обучения от создателей пакета]

'''Примечание''': пакеты в R и python разработаны одними и теми же людьми, поэтому практически идентичны. Однако, в статье про пакет в R все расписано гораздо подробней и понятней, с большим числом наглядных примеров и наиболее важными теоретическими выкладками.

== Неделя 6. Эффекты воздействия ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1uFqihpgQxbPw61kz3N2icOzqPGeK_H-d?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

2. HBE главы 12.34 и 29.22.

=== Дополнительные материалы ===

[https://mixtape.scunning.com Простое, но достаточно подробное введение в causal inference.]

[https://arxiv.org/pdf/2511.12640 Двойное машинное обучение в моделях с неслучайным отбором]

[https://academic.oup.com/ectj/article/27/2/213/7602388?login=false Примеры использования машинного обучения для оценивания эффектов воздействия в прикладных исследованиях]

Микроэконометрика бакалавриат 2025-2026

2025-12-05T15:42:22Z

Potanin: /* Неделя 11. */

== Общая информация ==

*[https://www.hse.ru/edu/courses/1071155922 Официальная программа курса]

==Вводный курс по R==

Занятия по микроэконометрике проходят в R. Те, кому не знаком данный язык, могут быстро изучить его просмотрев курс видеолекций с задачами и решениями:

Нажмите "развернуть", чтобы увидеть - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 🡣
<div class="mw-collapsible mw-collapsed" style="width:1000px; overflow: hidden;">

* Урок 1. [https://youtu.be/paIf9LCMprY Компиляция кода]

* Урок 2. [https://youtu.be/tL1F12_iNlc Создание и использование переменных]

* Урок 3. [https://youtu.be/sM3DeJtGLPY Типы переменных]

* Урок 4. [https://youtu.be/zGM_SgthBe4 Векторы]

* Урок 5. [https://youtu.be/PrgrnK395Vc Использование функций]

* Урок 6. [https://youtu.be/uaoz4f-zKjY Создание функций]

* Урок 7. [https://youtu.be/HkX5dM4R3D8 Логические выражения]

* Урок 8. [https://youtu.be/m1bib2AyXlI Базовые типы объектов]

* Урок 9. [https://youtu.be/KBm7fzgALU0 Листы]

* Урок 10. [https://youtu.be/apkzLT_2o6U Атрибуты и классы]

* Урок 11. [https://youtu.be/LlSrLdd8L10 Матрицы и массивы]

* Урок 12. [https://youtu.be/47m_JUpQjTA Датафреймы]

* Урок 13. [https://youtu.be/VAtQSSLUbF8 Выбор элементов по логическому вектору]

* Урок 14. [https://youtu.be/tnRn7KRV2YE Сортировка]

* Урок 15. [https://youtu.be/1cH3DlEh6M0 Циклы]

* Урок 16. [https://youtu.be/uGERbID7WzI Факторы]

* Урок 17. [https://youtu.be/SPd5fN1Ug3A Библиотеки (пакеты)]

* Урок 18. [https://youtu.be/xeMJehWKVnk Функция apply]

* Урок 19. [https://youtu.be/ai7v6pr83Sk Графики]

* Урок 20. [https://youtu.be/nvbHgE-Eb68 Пропуски]

* Урок 21. [https://youtu.be/nJ5dZweMu68 Числа с плавающей точкой (сложно)]

* Урок 22. [https://youtu.be/RKagzF99I6I Численное дифференцирование]

* Урок 23. [https://youtu.be/chtyhopWVbY Численная оптимизация]

Также, для изучения R можно использовать:

* [https://www.datacamp.com/courses/free-introduction-to-r?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631908&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=278443377113&utm_targetid=aud-299261629574:dsa-498578053884&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FI5QRm-u5mcfhauXXd9LHMpGWMcD1ym_Hm2ss33YJuhVuCj0eKq_4aAu00EALw_wcB datacamp]

* [https://education.rstudio.com Официальный курс от R-Studio]

* [https://dmkpress.com/catalog/computer/statistics/978-5-97060-835-7/ Книга рецептов R]

Инструкции по установке R и R-studio:

* [https://www.datacamp.com/community/tutorials/installing-R-windows-mac-ubuntu?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631748&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=332602034358&utm_targetid=aud-299261629574:dsa-429603003980&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FJfBlVwhdYEaqeUbjYcaqzOsPfR-9kHB0TFjsJ9bBcZ0qXkvBIRbAaAnKlEALw_wcB Инструкция от datacamp]

* [https://www.youtube.com/watch?v=orjLGFmx6l4 Видео на youtube]
</div>

== Материалы курса в STATA ==
Нажмите "развернуть", чтобы увидеть - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 🡣
<div class="mw-collapsible mw-collapsed" style="width:1000px; overflow: hidden;">

Для воспроизведения .do файлов вам понадобятся данные по индивидам 25-й волны РМЭЗ в .dta формате (полная выборка), которые можно скачать по [https://www.hse.ru/data/2017/10/03/1173710457/r25iall26c.dta ссылке].

1. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/1.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F%20%D0%B8%20%D1%87%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D0%B8.do Метод максимального правдоподобия и численные методы оптимизации]

2. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/2.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Классические модели бинарного выбора]

3. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/3.%20%D0%92%D1%8B%D0%B1%D0%BE%D1%80%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B9%20%D1%81%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D0%B8%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Выбор оптимальной спецификации модели бинарного выбора]

4. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/4.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели порядкового выбора]

5. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/5.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели множественного выбора]

6. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%BD%D0%B8%D0%B5%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D1%8B%20%D0%B8%20%D0%B2%D0%BB%D0%BE%D0%B6%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80.do Моделированние частоты и вложенный выбор]

7. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/7.%20%D0%A3%D1%81%D0%B5%D1%87%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8.do Усеченные модели]

8. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/8.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%A5%D0%B5%D0%BA%D0%BC%D0%B0%D0%BD%D0%B0.do Метод Хекмана]

</div>

==Основная литература==

* [https://www.amazon.com/Econometric-Analysis-8th-William-Greene/dp/0134461363 William H. Greene. Econometric Analysis (8th Edition)]

* [https://www.ozon.ru/context/detail/id/29965383/ Путеводитель по современной эконометрике : учеб. пособие для вузов, Вербик М., Банникова В. А., 2008]

* [https://www.amazon.com/Econometrics-Bruce-Hansen/dp/0691235899 Econometrics. Hansen B. Princeton University Press, 2022]

==Неделя 1. Повторение метода максимального правдоподобия. Модели бинарного выбора: формулировка, интерпретация и оценивание==

Материалы лекции:

* [https://drive.google.com/file/d/1X-I0-2OVAv2ENcTMixB4_yfpCUB3tAMi/view?usp=sharing слайды к лекции 1]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-2021/raw/main/1.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F.R Метод максимального правдоподобия]

Дополнительные материалы:

* [https://youtu.be/F7dJmORBXzM Математическая статистика в python 1]
* [https://youtu.be/VKHr1Po9ztI Математическая статистика в python 2]
* [https://youtu.be/3ZGq472-XbE Математическая статистика в python 3]
* [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm Код к видео]

==Неделя 2. Модели бинарного выбора==

Материалы лекции:

* [https://drive.google.com/file/d/1ap0MFI4mvbxVbp8FSDxYCc1dbNgXRhUG/view?usp=sharing слайды к лекции 2]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/1.%20Модели%20бинарного%20выбора.R Модели бинарного выбора]

==Неделя 3. Ошибки спецификации моделей бинарного выбора==

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/2.%20Спецификация%20моделей%20бинарного%20выбора.R Спецификация моделей бинарного выбора]

==Неделя 4. ==

Лекция Системы бинарных уравнений

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/3.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.r Модель порядкового выбора]

==Неделя 5. Квази-, псевдо-правдоподобие. Полупараметрические модели бинарного выбора==

Материалы лекции:
*[https://drive.google.com/file/d/1CQ0vCC4GDAMwhBd3hHpd5-TtDsx5ZM2L/view?usp=sharing Оценивание эффектов воздействия: мэтчинг и системы рекурсивных бинарных уравнений]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/4.%20Модели%20множественного%20выбора.R Модель множественного выбора]

==Неделя 6.==

Материалы лекции:

[https://youtu.be/k93OkGxVbwU Псевдоправдоподобие]

Литература:

* [https://www.jstor.org/stable/1912526?seq=1 Метод квази максимального правдоподобия]

* [https://www.jstor.org/stable/2951556?seq=1 Метод Клейна и Спади ]

Материалы семинара:
* [https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/5.%20Системы%20бинарных%20уравнений.r Системы бинарных уравнений]

==Неделя 7.==

Материалы семинара:
* [https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/8.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D0%BD%D1%8B%D1%85%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.r Модели частотных данных]

==Неделя 8.==

Материалы семинара:
* [https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/10.%20%D0%9F%D0%B0%D0%BD%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.r Модели панельных данных]

==Неделя 9.==

Материалы семинара:
* [https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/6.1%20Модель%20с%20усечённой%20зависимой%20переменной.R Усеченная регрессия]

==Неделя 10.==

Материалы семинара:
* [https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/6.2.%20Модель%20Тобина.R Модель Тобина]

==Неделя 11.==

Материалы семинара:
* [https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/7.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%A5%D0%B5%D0%BA%D0%BC%D0%B0%D0%BD%D0%B0.r Модель Хекмана]

==Неделя 12.==

Материалы семинара:
* [https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/8.%20Модель%20с%20эндогенным%20переключением.r Модель с эндогенным переключением]

Машинное обучение в экономике магистратура 2025-2026

2025-11-29T15:46:23Z

Potanin:

== Материалы для повторения ==

Викистранички курсов по теории вероятностей и математической статистике:

* [http://wiki.cs.hse.ru/Теория_вероятностей_и_статистика,_МИРЭК,_2023-2024 МИРЭК]
* [http://wiki.cs.hse.ru/Econ_probability_2023-24 Экономика]

Видео про применение python в математической статистике:

* [https://youtu.be/F7dJmORBXzM Часть 1]
* [https://youtu.be/VKHr1Po9ztI Часть 2]
* [https://youtu.be/3ZGq472-XbE Часть 3]
* [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm Код к видео]

== Информация о курсе ==

'''Оценка''' = 0.01 * ДЗ1 + 0.29 * ДЗ2 + 0.7 * Экзамен

== Домашнее задание ==

=== Домашнее задание 1 ===

'''Дедлайн''': 7 декабря

Необходимо внести данные группы (до двух человек включительно), в которой будет выполняться второе домашнее задание, в таблицу по [https://docs.google.com/spreadsheets/d/1COFwj46dkR8txD1x_brrw6YGh1-fPLx8adbuAvSQ-b8/edit?usp=sharing ссылке].

=== Домашнее задание 2 ===

'''Дедлайн''': 14 декабря

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%94%D0%BE%D0%BC%D0%B0%D1%88%D0%BD%D0%B5%D0%B5_%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5__%D0%9C%D0%9E__%D0%9C%D0%90%D0%93_2025_2026.pdf Текст задания]

== Экзамен ==

'''Дата''': будет объявлена позже

=== Экзамены прошлых лет ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%92%D1%81%D1%82%D1%83%D0%BF%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D0%B5%20%D0%B7%D0%B0%D0%B4%D0%B0%D0%BD%D0%B8%D0%B5.%20%D0%9C%D0%9E.%202023-2024.pdf Первый пример экзамена с решениями 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9F%D1%80%D0%B5%D0%B4%D0%B2%D0%B0%D1%80%D0%B8%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9.%20%D0%9C%D0%9E.%202023-2024.pdf Второй пример экзамена с решениями, 2023-2024, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD.%20%D0%9C%D0%9E.%202023-2024.pdf Экзамен 2023-2024 с решениями, бакалавриат]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%AD%D0%BA%D0%B7%D0%B0%D0%BC%D0%B5%D0%BD%20%D0%9C%D0%9E%20%D0%9C%D0%B0%D0%B3%D0%B8%D1%81%D1%82%D1%80%D0%B0%D1%82%D1%83%D1%80%D0%B0%202024-2025%20%D1%80%D0%B5%D1%88%D0%B5%D0%BD%D0%B8%D0%B5.pdf Экзамен 2024-2025 с решениями, магистратура]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Экзамен%20МО%20Бакалавриат%202024-2025.pdf Экзамен 2024-2025 с решениями, бакалавриат]

== Консультации ==

=== Консультация перед экзаменом на лекции 2023-2024 ===
*[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9A%D0%BE%D0%BD%D1%81%D1%83%D0%BB%D1%8C%D1%82%D0%B0%D1%86%D0%B8%D1%8F.%20%D0%9C%D0%9E.%202023-2024.pdf Задачи]
*[https://youtu.be/chChWaDkYEI Видео 1]
*[https://youtu.be/si0jgqis1fY Видео 2]
*[https://youtu.be/ET47Z_r9B98 Видео 3]
*[https://youtu.be/m8Crj5Nh_20 Видео 4]

=== Консультация о генерации данных для домашней работы 2023-2024 ===

* [https://colab.research.google.com/drive/15l0cILQJZdi3RXKScGG8K0jjbLtbcS5G?usp=sharing Код консультации]
* [https://youtu.be/B5w5HPFkbTo Видео, часть 1]
* [https://youtu.be/PFbkJITNa7A Видео, часть 2]

== Неделя 0. Введение в машинное обучение ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/Лекция%200.%20Введение%20в%20машинное%20обучение.pdf Слайды лекции]

== Неделя 1. Байесовские сети ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Слайды лекции]

[https://colab.research.google.com/drive/1Iq1zomLp2kZ1kAffPeFyzHFtdvhbuTR2?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%201.%20%D0%91%D0%B0%D0%B9%D0%B5%D1%81%D0%BE%D0%B2%D1%81%D0%BA%D0%B8%D0%B5%20%D1%81%D0%B5%D1%82%D0%B8.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 6.

2. MLPP глава 10.

== Неделя 2. Метод ближайших соседей ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Слайды лекции]

[https://colab.research.google.com/drive/1a2sgrKj_ap58JKRixlG2xvopTmV7dU_8?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%202.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%B1%D0%BB%D0%B8%D0%B6%D0%B0%D0%B9%D1%88%D0%B8%D1%85%20%D1%81%D0%BE%D1%81%D0%B5%D0%B4%D0%B5%D0%B9.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 5.

2. MLPP глава 16.

== Неделя 3. Деревья ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%203.%20%D0%94%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vXOMuDUFSxqO4XFpvvcpf4SWokIx4Lk9?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%203.%20%D0%A0%D0%B5%D1%88%D0%B0%D1%8E%D1%89%D0%B8%D0%B5%20%D0%B4%D0%B5%D1%80%D0%B5%D0%B2%D1%8C%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 4.

== Неделя 4. Логистическая регрессия и метод опорных векторов ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BE%D0%BF%D0%BE%D1%80%D0%BD%D1%8B%D1%85%20%D0%B2%D0%B5%D0%BA%D1%82%D0%BE%D1%80%D0%BE%D0%B2.pdf Слайды лекции]

[https://colab.research.google.com/drive/1vqEDTOwBGkz0mEM4i4SPxHvVRrJfTjmy?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%204.%20%D0%9B%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%80%D0%B5%D0%B3%D1%80%D0%B5%D1%81%D1%81%D0%B8%D1%8F%20%D0%B8%20%D0%B3%D1%80%D0%B0%D0%B4%D0%B8%D0%B5%D0%BD%D1%82%D0%BD%D1%8B%D0%B9%20%D0%B1%D1%83%D1%81%D1%82%D0%B8%D0%BD%D0%B3.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. FOML глава 7.

2. MLPP главы 8 и 14.5.

=== Дополнительные материалы ===

1. [https://projecteuclid.org/journalArticle/Download?urlId=10.1214%2Faos%2F1013203451 Статья, в которой был предложен градиентный бустинг]

= Список литературы =

# '''FOML''' - [https://www.amazon.com/Fundamentals-Machine-Learning-Predictive-Analytics/dp/0262029448 Fundamentals of machine learning for predictive data analytics. John D. Kelleher, Brian Mac Namee, Aoife D'Arcy.] '''Низкая сложность'''
# '''HBE''' - [https://www.amazon.com/Econometrics-Bruce-Hansen/dp/0691235899 Econometrics. Hansen B.] '''Средняя сложность'''
# '''CMLE''' - [https://causalml-book.org Applied Causal Inference Powered by ML and AI. V. Chernozhukov, C. Hansen, N. Kallus, M. Spindler, V. Syrgkanis] '''Средняя сложность'''
# '''MLPP''' - [https://www.amazon.com/Machine-Learning-Probabilistic-Perspective-Computation/dp/0262018020 Machine learning a probabilistic perspective. Kevin P. Murphy.] '''Высокая сложность'''

== Неделя 5. Машинное обучение в эконометрике ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Слайды лекции]

[https://colab.research.google.com/drive/11ss8xdr6B3FPeIExktOZ90GFzGAS7mq5?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%205.%20%D0%9C%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B5.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. HBE глава 29.

=== Дополнительные материалы ===

1. [https://www.jstatsoft.org/index.php/jss/article/view/v108i03/4527 Двойное машинное обучение в R]

2. [https://arxiv.org/pdf/2301.09397.pdf Двойное машинное обучение в STATA]

3. [https://jmlr.org/papers/volume23/21-0862/21-0862.pdf Двойное машинное обучение в python].

4. [https://www.youtube.com/watch?v=eHOjmyoPCFU&t=1552s Видео лекции о теории двойного машинного обучения от создателя метода]

5. [https://www.youtube.com/watch?v=ErecsyKEq74 Видео лекции о программной реализации двойного машинного обучения от создателей пакета]

'''Примечание''': пакеты в R и python разработаны одними и теми же людьми, поэтому практически идентичны. Однако, в статье про пакет в R все расписано гораздо подробней и понятней, с большим числом наглядных примеров и наиболее важными теоретическими выкладками.

== Неделя 6. Эффекты воздействия ==

=== Основные материалы ===

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%9B%D0%B5%D0%BA%D1%86%D0%B8%D1%8F%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Слайды лекции]

[https://colab.research.google.com/drive/1uFqihpgQxbPw61kz3N2icOzqPGeK_H-d?usp=sharing Код семинара]

[https://github.com/bogdanpotanin/Machine-Learning/blob/main/%D0%A1%D0%B5%D0%BC%D0%B8%D0%BD%D0%B0%D1%80%206.%20%D0%AD%D1%84%D1%84%D0%B5%D0%BA%D1%82%D1%8B%20%D0%B2%D0%BE%D0%B7%D0%B4%D0%B5%D0%B9%D1%81%D1%82%D0%B2%D0%B8%D1%8F.pdf Задачи семинара]

=== Рекомендуемая литература ===

1. MLPP главы 16.5 и 28.

2. HBE главы 12.34 и 29.22.

=== Дополнительные материалы ===

[https://mixtape.scunning.com Простое, но достаточно подробное введение в causal inference.]

[https://www.sciencedirect.com/science/article/pii/S0304407606001023 Теория оценивания LATE с использованием дополнительных регрессоров]

[https://academic.oup.com/ectj/article/27/2/213/7602388?login=false Примеры использования машинного обучения для оценивания эффектов воздействия в прикладных исследованиях]

Машинное обучение в экономике магистратура 2025-2026

2025-11-28T10:47:14Z

Potanin: /* Неделя 3. Деревья */

Машинное обучение в экономике магистратура 2025-2026

2025-11-22T14:02:44Z

Potanin: /* Домашнее задание */

Микроэконометрика бакалавриат 2025-2026

2025-11-21T10:57:02Z

Potanin: /* Неделя 10. */

Машинное обучение в экономике магистратура 2025-2026

2025-11-21T10:55:17Z

Potanin: /* Неделя 2. Метод ближайших соседей */

Машинное обучение в экономике магистратура 2025-2026

2025-11-14T09:22:44Z

Potanin: /* Неделя 1. Байесовские сети */

Микроэконометрика бакалавриат 2025-2026

2025-11-07T11:02:06Z

Potanin: /* Неделя 9. */

Микроэконометрика бакалавриат 2025-2026

2025-11-07T11:01:42Z

Potanin: /* Неделя 8. */

== Общая информация ==

*[https://www.hse.ru/edu/courses/1071155922 Официальная программа курса]

==Вводный курс по R==

Занятия по микроэконометрике проходят в R. Те, кому не знаком данный язык, могут быстро изучить его просмотрев курс видеолекций с задачами и решениями:

Нажмите "развернуть", чтобы увидеть - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 🡣
<div class="mw-collapsible mw-collapsed" style="width:1000px; overflow: hidden;">

* Урок 1. [https://youtu.be/paIf9LCMprY Компиляция кода]

* Урок 2. [https://youtu.be/tL1F12_iNlc Создание и использование переменных]

* Урок 3. [https://youtu.be/sM3DeJtGLPY Типы переменных]

* Урок 4. [https://youtu.be/zGM_SgthBe4 Векторы]

* Урок 5. [https://youtu.be/PrgrnK395Vc Использование функций]

* Урок 6. [https://youtu.be/uaoz4f-zKjY Создание функций]

* Урок 7. [https://youtu.be/HkX5dM4R3D8 Логические выражения]

* Урок 8. [https://youtu.be/m1bib2AyXlI Базовые типы объектов]

* Урок 9. [https://youtu.be/KBm7fzgALU0 Листы]

* Урок 10. [https://youtu.be/apkzLT_2o6U Атрибуты и классы]

* Урок 11. [https://youtu.be/LlSrLdd8L10 Матрицы и массивы]

* Урок 12. [https://youtu.be/47m_JUpQjTA Датафреймы]

* Урок 13. [https://youtu.be/VAtQSSLUbF8 Выбор элементов по логическому вектору]

* Урок 14. [https://youtu.be/tnRn7KRV2YE Сортировка]

* Урок 15. [https://youtu.be/1cH3DlEh6M0 Циклы]

* Урок 16. [https://youtu.be/uGERbID7WzI Факторы]

* Урок 17. [https://youtu.be/SPd5fN1Ug3A Библиотеки (пакеты)]

* Урок 18. [https://youtu.be/xeMJehWKVnk Функция apply]

* Урок 19. [https://youtu.be/ai7v6pr83Sk Графики]

* Урок 20. [https://youtu.be/nvbHgE-Eb68 Пропуски]

* Урок 21. [https://youtu.be/nJ5dZweMu68 Числа с плавающей точкой (сложно)]

* Урок 22. [https://youtu.be/RKagzF99I6I Численное дифференцирование]

* Урок 23. [https://youtu.be/chtyhopWVbY Численная оптимизация]

Также, для изучения R можно использовать:

* [https://www.datacamp.com/courses/free-introduction-to-r?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631908&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=278443377113&utm_targetid=aud-299261629574:dsa-498578053884&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FI5QRm-u5mcfhauXXd9LHMpGWMcD1ym_Hm2ss33YJuhVuCj0eKq_4aAu00EALw_wcB datacamp]

* [https://education.rstudio.com Официальный курс от R-Studio]

* [https://dmkpress.com/catalog/computer/statistics/978-5-97060-835-7/ Книга рецептов R]

Инструкции по установке R и R-studio:

* [https://www.datacamp.com/community/tutorials/installing-R-windows-mac-ubuntu?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631748&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=332602034358&utm_targetid=aud-299261629574:dsa-429603003980&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FJfBlVwhdYEaqeUbjYcaqzOsPfR-9kHB0TFjsJ9bBcZ0qXkvBIRbAaAnKlEALw_wcB Инструкция от datacamp]

* [https://www.youtube.com/watch?v=orjLGFmx6l4 Видео на youtube]
</div>

== Материалы курса в STATA ==
Нажмите "развернуть", чтобы увидеть - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 🡣
<div class="mw-collapsible mw-collapsed" style="width:1000px; overflow: hidden;">

Для воспроизведения .do файлов вам понадобятся данные по индивидам 25-й волны РМЭЗ в .dta формате (полная выборка), которые можно скачать по [https://www.hse.ru/data/2017/10/03/1173710457/r25iall26c.dta ссылке].

1. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/1.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F%20%D0%B8%20%D1%87%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D0%B8.do Метод максимального правдоподобия и численные методы оптимизации]

2. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/2.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Классические модели бинарного выбора]

3. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/3.%20%D0%92%D1%8B%D0%B1%D0%BE%D1%80%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B9%20%D1%81%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D0%B8%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Выбор оптимальной спецификации модели бинарного выбора]

4. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/4.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели порядкового выбора]

5. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/5.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели множественного выбора]

6. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%BD%D0%B8%D0%B5%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D1%8B%20%D0%B8%20%D0%B2%D0%BB%D0%BE%D0%B6%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80.do Моделированние частоты и вложенный выбор]

7. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/7.%20%D0%A3%D1%81%D0%B5%D1%87%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8.do Усеченные модели]

8. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/8.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%A5%D0%B5%D0%BA%D0%BC%D0%B0%D0%BD%D0%B0.do Метод Хекмана]

</div>

==Основная литература==

* [https://www.amazon.com/Econometric-Analysis-8th-William-Greene/dp/0134461363 William H. Greene. Econometric Analysis (8th Edition)]

* [https://www.ozon.ru/context/detail/id/29965383/ Путеводитель по современной эконометрике : учеб. пособие для вузов, Вербик М., Банникова В. А., 2008]

* [https://www.amazon.com/Econometrics-Bruce-Hansen/dp/0691235899 Econometrics. Hansen B. Princeton University Press, 2022]

==Неделя 1. Повторение метода максимального правдоподобия. Модели бинарного выбора: формулировка, интерпретация и оценивание==

Материалы лекции:

* [https://drive.google.com/file/d/1X-I0-2OVAv2ENcTMixB4_yfpCUB3tAMi/view?usp=sharing слайды к лекции 1]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-2021/raw/main/1.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F.R Метод максимального правдоподобия]

Дополнительные материалы:

* [https://youtu.be/F7dJmORBXzM Математическая статистика в python 1]
* [https://youtu.be/VKHr1Po9ztI Математическая статистика в python 2]
* [https://youtu.be/3ZGq472-XbE Математическая статистика в python 3]
* [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm Код к видео]

==Неделя 2. Модели бинарного выбора==

Материалы лекции:

* [https://drive.google.com/file/d/1ap0MFI4mvbxVbp8FSDxYCc1dbNgXRhUG/view?usp=sharing слайды к лекции 2]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/1.%20Модели%20бинарного%20выбора.R Модели бинарного выбора]

==Неделя 3. Ошибки спецификации моделей бинарного выбора==

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/2.%20Спецификация%20моделей%20бинарного%20выбора.R Спецификация моделей бинарного выбора]

==Неделя 4. ==

Лекция Системы бинарных уравнений

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/3.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.r Модель порядкового выбора]

==Неделя 5. Квази-, псевдо-правдоподобие. Полупараметрические модели бинарного выбора==

Материалы лекции:
*[https://drive.google.com/file/d/1CQ0vCC4GDAMwhBd3hHpd5-TtDsx5ZM2L/view?usp=sharing Оценивание эффектов воздействия: мэтчинг и системы рекурсивных бинарных уравнений]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/4.%20Модели%20множественного%20выбора.R Модель множественного выбора]

==Неделя 6.==

Материалы лекции:

[https://youtu.be/k93OkGxVbwU Псевдоправдоподобие]

Литература:

* [https://www.jstor.org/stable/1912526?seq=1 Метод квази максимального правдоподобия]

* [https://www.jstor.org/stable/2951556?seq=1 Метод Клейна и Спади ]

Материалы семинара:
* [https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/5.%20Системы%20бинарных%20уравнений.r Системы бинарных уравнений]

==Неделя 7.==

Материалы семинара:
* [https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/8.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D0%BD%D1%8B%D1%85%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.r Модели частотных данных]

==Неделя 8.==

Материалы семинара:
* [https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/10.%20%D0%9F%D0%B0%D0%BD%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.r Модели панельных данных]

==Неделя 9.==

Материалы семинара:
* [https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/6.1%20Модель%20с%20усечённой%20зависимой%20переменной.R Усеченная регрессия]
* [https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/6.2.%20Модель%20Тобина.R Модель Тобина]

Микроэконометрика бакалавриат 2025-2026

2025-11-07T10:57:51Z

Potanin: /* Неделя 7. */

Микроэконометрика бакалавриат 2025-2026

2025-11-07T10:57:18Z

Potanin: /* Неделя 7. */

Машинное обучение в экономике магистратура 2025-2026

2025-11-06T13:14:53Z

Potanin: /* Неделя 1. Байесовские сети */

Машинное обучение в экономике магистратура 2025-2026

2025-11-06T13:13:48Z

Potanin: /* Экзамен */

Машинное обучение в экономике магистратура 2025-2026

2025-11-06T13:12:53Z

Potanin: /* Домашнее задание 2 */

Машинное обучение в экономике магистратура 2025-2026

2025-11-06T13:12:32Z

Potanin: /* Домашнее задание 1 */

Машинное обучение в экономике магистратура 2025-2026

2025-11-06T13:11:39Z

Микроэконометрика бакалавриат 2025-2026

2025-10-17T11:35:08Z

Potanin: /* Неделя 6. */

== Общая информация ==

*[https://www.hse.ru/edu/courses/1071155922 Официальная программа курса]

==Вводный курс по R==

Занятия по микроэконометрике проходят в R. Те, кому не знаком данный язык, могут быстро изучить его просмотрев курс видеолекций с задачами и решениями:

Нажмите "развернуть", чтобы увидеть - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 🡣
<div class="mw-collapsible mw-collapsed" style="width:1000px; overflow: hidden;">

* Урок 1. [https://youtu.be/paIf9LCMprY Компиляция кода]

* Урок 2. [https://youtu.be/tL1F12_iNlc Создание и использование переменных]

* Урок 3. [https://youtu.be/sM3DeJtGLPY Типы переменных]

* Урок 4. [https://youtu.be/zGM_SgthBe4 Векторы]

* Урок 5. [https://youtu.be/PrgrnK395Vc Использование функций]

* Урок 6. [https://youtu.be/uaoz4f-zKjY Создание функций]

* Урок 7. [https://youtu.be/HkX5dM4R3D8 Логические выражения]

* Урок 8. [https://youtu.be/m1bib2AyXlI Базовые типы объектов]

* Урок 9. [https://youtu.be/KBm7fzgALU0 Листы]

* Урок 10. [https://youtu.be/apkzLT_2o6U Атрибуты и классы]

* Урок 11. [https://youtu.be/LlSrLdd8L10 Матрицы и массивы]

* Урок 12. [https://youtu.be/47m_JUpQjTA Датафреймы]

* Урок 13. [https://youtu.be/VAtQSSLUbF8 Выбор элементов по логическому вектору]

* Урок 14. [https://youtu.be/tnRn7KRV2YE Сортировка]

* Урок 15. [https://youtu.be/1cH3DlEh6M0 Циклы]

* Урок 16. [https://youtu.be/uGERbID7WzI Факторы]

* Урок 17. [https://youtu.be/SPd5fN1Ug3A Библиотеки (пакеты)]

* Урок 18. [https://youtu.be/xeMJehWKVnk Функция apply]

* Урок 19. [https://youtu.be/ai7v6pr83Sk Графики]

* Урок 20. [https://youtu.be/nvbHgE-Eb68 Пропуски]

* Урок 21. [https://youtu.be/nJ5dZweMu68 Числа с плавающей точкой (сложно)]

* Урок 22. [https://youtu.be/RKagzF99I6I Численное дифференцирование]

* Урок 23. [https://youtu.be/chtyhopWVbY Численная оптимизация]

Также, для изучения R можно использовать:

* [https://www.datacamp.com/courses/free-introduction-to-r?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631908&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=278443377113&utm_targetid=aud-299261629574:dsa-498578053884&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FI5QRm-u5mcfhauXXd9LHMpGWMcD1ym_Hm2ss33YJuhVuCj0eKq_4aAu00EALw_wcB datacamp]

* [https://education.rstudio.com Официальный курс от R-Studio]

* [https://dmkpress.com/catalog/computer/statistics/978-5-97060-835-7/ Книга рецептов R]

Инструкции по установке R и R-studio:

* [https://www.datacamp.com/community/tutorials/installing-R-windows-mac-ubuntu?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631748&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=332602034358&utm_targetid=aud-299261629574:dsa-429603003980&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FJfBlVwhdYEaqeUbjYcaqzOsPfR-9kHB0TFjsJ9bBcZ0qXkvBIRbAaAnKlEALw_wcB Инструкция от datacamp]

* [https://www.youtube.com/watch?v=orjLGFmx6l4 Видео на youtube]
</div>

== Материалы курса в STATA ==
Нажмите "развернуть", чтобы увидеть - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 🡣
<div class="mw-collapsible mw-collapsed" style="width:1000px; overflow: hidden;">

Для воспроизведения .do файлов вам понадобятся данные по индивидам 25-й волны РМЭЗ в .dta формате (полная выборка), которые можно скачать по [https://www.hse.ru/data/2017/10/03/1173710457/r25iall26c.dta ссылке].

1. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/1.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F%20%D0%B8%20%D1%87%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D0%B8.do Метод максимального правдоподобия и численные методы оптимизации]

2. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/2.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Классические модели бинарного выбора]

3. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/3.%20%D0%92%D1%8B%D0%B1%D0%BE%D1%80%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B9%20%D1%81%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D0%B8%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Выбор оптимальной спецификации модели бинарного выбора]

4. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/4.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели порядкового выбора]

5. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/5.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели множественного выбора]

6. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%BD%D0%B8%D0%B5%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D1%8B%20%D0%B8%20%D0%B2%D0%BB%D0%BE%D0%B6%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80.do Моделированние частоты и вложенный выбор]

7. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/7.%20%D0%A3%D1%81%D0%B5%D1%87%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8.do Усеченные модели]

8. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/8.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%A5%D0%B5%D0%BA%D0%BC%D0%B0%D0%BD%D0%B0.do Метод Хекмана]

</div>

==Основная литература==

* [https://www.amazon.com/Econometric-Analysis-8th-William-Greene/dp/0134461363 William H. Greene. Econometric Analysis (8th Edition)]

* [https://www.ozon.ru/context/detail/id/29965383/ Путеводитель по современной эконометрике : учеб. пособие для вузов, Вербик М., Банникова В. А., 2008]

* [https://www.amazon.com/Econometrics-Bruce-Hansen/dp/0691235899 Econometrics. Hansen B. Princeton University Press, 2022]

==Неделя 1. Повторение метода максимального правдоподобия. Модели бинарного выбора: формулировка, интерпретация и оценивание==

Материалы лекции:

* [https://drive.google.com/file/d/1X-I0-2OVAv2ENcTMixB4_yfpCUB3tAMi/view?usp=sharing слайды к лекции 1]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-2021/raw/main/1.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F.R Метод максимального правдоподобия]

Дополнительные материалы:

* [https://youtu.be/F7dJmORBXzM Математическая статистика в python 1]
* [https://youtu.be/VKHr1Po9ztI Математическая статистика в python 2]
* [https://youtu.be/3ZGq472-XbE Математическая статистика в python 3]
* [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm Код к видео]

==Неделя 2. Модели бинарного выбора==

Материалы лекции:

* [https://drive.google.com/file/d/1ap0MFI4mvbxVbp8FSDxYCc1dbNgXRhUG/view?usp=sharing слайды к лекции 2]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/1.%20Модели%20бинарного%20выбора.R Модели бинарного выбора]

==Неделя 3. Ошибки спецификации моделей бинарного выбора==

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/2.%20Спецификация%20моделей%20бинарного%20выбора.R Спецификация моделей бинарного выбора]

==Неделя 4. ==

Лекция Системы бинарных уравнений

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/3.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.r Модель порядкового выбора]

==Неделя 5. Квази-, псевдо-правдоподобие. Полупараметрические модели бинарного выбора==

Материалы лекции:
*[https://drive.google.com/file/d/1CQ0vCC4GDAMwhBd3hHpd5-TtDsx5ZM2L/view?usp=sharing Оценивание эффектов воздействия: мэтчинг и системы рекурсивных бинарных уравнений]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/4.%20Модели%20множественного%20выбора.R Модель множественного выбора]

==Неделя 6.==

Материалы лекции:

[https://youtu.be/k93OkGxVbwU Псевдоправдоподобие]

Литература:

* [https://www.jstor.org/stable/1912526?seq=1 Метод квази максимального правдоподобия]

* [https://www.jstor.org/stable/2951556?seq=1 Метод Клейна и Спади ]

Материалы семинара:
* [https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/5.%20Системы%20бинарных%20уравнений.r Системы бинарных уравнений]

==Неделя 7.==

Материалы семинара:
* [https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/8.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D0%BD%D1%8B%D1%85%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.r Модели частотных данных]

https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/8.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D0%BD%D1%8B%D1%85%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.r

Микроэконометрика бакалавриат 2025-2026

2025-10-10T12:02:53Z

Potanin: /* Неделя 6. */

Микроэконометрика бакалавриат 2025-2026

2025-10-03T12:14:21Z

Potanin: /* Неделя 4. */

== Общая информация ==

*[https://www.hse.ru/edu/courses/1071155922 Официальная программа курса]

==Вводный курс по R==

Занятия по микроэконометрике проходят в R. Те, кому не знаком данный язык, могут быстро изучить его просмотрев курс видеолекций с задачами и решениями:

Нажмите "развернуть", чтобы увидеть - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 🡣
<div class="mw-collapsible mw-collapsed" style="width:1000px; overflow: hidden;">

* Урок 1. [https://youtu.be/paIf9LCMprY Компиляция кода]

* Урок 2. [https://youtu.be/tL1F12_iNlc Создание и использование переменных]

* Урок 3. [https://youtu.be/sM3DeJtGLPY Типы переменных]

* Урок 4. [https://youtu.be/zGM_SgthBe4 Векторы]

* Урок 5. [https://youtu.be/PrgrnK395Vc Использование функций]

* Урок 6. [https://youtu.be/uaoz4f-zKjY Создание функций]

* Урок 7. [https://youtu.be/HkX5dM4R3D8 Логические выражения]

* Урок 8. [https://youtu.be/m1bib2AyXlI Базовые типы объектов]

* Урок 9. [https://youtu.be/KBm7fzgALU0 Листы]

* Урок 10. [https://youtu.be/apkzLT_2o6U Атрибуты и классы]

* Урок 11. [https://youtu.be/LlSrLdd8L10 Матрицы и массивы]

* Урок 12. [https://youtu.be/47m_JUpQjTA Датафреймы]

* Урок 13. [https://youtu.be/VAtQSSLUbF8 Выбор элементов по логическому вектору]

* Урок 14. [https://youtu.be/tnRn7KRV2YE Сортировка]

* Урок 15. [https://youtu.be/1cH3DlEh6M0 Циклы]

* Урок 16. [https://youtu.be/uGERbID7WzI Факторы]

* Урок 17. [https://youtu.be/SPd5fN1Ug3A Библиотеки (пакеты)]

* Урок 18. [https://youtu.be/xeMJehWKVnk Функция apply]

* Урок 19. [https://youtu.be/ai7v6pr83Sk Графики]

* Урок 20. [https://youtu.be/nvbHgE-Eb68 Пропуски]

* Урок 21. [https://youtu.be/nJ5dZweMu68 Числа с плавающей точкой (сложно)]

* Урок 22. [https://youtu.be/RKagzF99I6I Численное дифференцирование]

* Урок 23. [https://youtu.be/chtyhopWVbY Численная оптимизация]

Также, для изучения R можно использовать:

* [https://www.datacamp.com/courses/free-introduction-to-r?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631908&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=278443377113&utm_targetid=aud-299261629574:dsa-498578053884&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FI5QRm-u5mcfhauXXd9LHMpGWMcD1ym_Hm2ss33YJuhVuCj0eKq_4aAu00EALw_wcB datacamp]

* [https://education.rstudio.com Официальный курс от R-Studio]

* [https://dmkpress.com/catalog/computer/statistics/978-5-97060-835-7/ Книга рецептов R]

Инструкции по установке R и R-studio:

* [https://www.datacamp.com/community/tutorials/installing-R-windows-mac-ubuntu?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631748&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=332602034358&utm_targetid=aud-299261629574:dsa-429603003980&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FJfBlVwhdYEaqeUbjYcaqzOsPfR-9kHB0TFjsJ9bBcZ0qXkvBIRbAaAnKlEALw_wcB Инструкция от datacamp]

* [https://www.youtube.com/watch?v=orjLGFmx6l4 Видео на youtube]
</div>

== Материалы курса в STATA ==
Нажмите "развернуть", чтобы увидеть - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 🡣
<div class="mw-collapsible mw-collapsed" style="width:1000px; overflow: hidden;">

Для воспроизведения .do файлов вам понадобятся данные по индивидам 25-й волны РМЭЗ в .dta формате (полная выборка), которые можно скачать по [https://www.hse.ru/data/2017/10/03/1173710457/r25iall26c.dta ссылке].

1. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/1.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F%20%D0%B8%20%D1%87%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D0%B8.do Метод максимального правдоподобия и численные методы оптимизации]

2. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/2.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Классические модели бинарного выбора]

3. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/3.%20%D0%92%D1%8B%D0%B1%D0%BE%D1%80%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B9%20%D1%81%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D0%B8%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Выбор оптимальной спецификации модели бинарного выбора]

4. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/4.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели порядкового выбора]

5. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/5.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели множественного выбора]

6. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%BD%D0%B8%D0%B5%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D1%8B%20%D0%B8%20%D0%B2%D0%BB%D0%BE%D0%B6%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80.do Моделированние частоты и вложенный выбор]

7. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/7.%20%D0%A3%D1%81%D0%B5%D1%87%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8.do Усеченные модели]

8. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/8.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%A5%D0%B5%D0%BA%D0%BC%D0%B0%D0%BD%D0%B0.do Метод Хекмана]

</div>

==Основная литература==

* [https://www.amazon.com/Econometric-Analysis-8th-William-Greene/dp/0134461363 William H. Greene. Econometric Analysis (8th Edition)]

* [https://www.ozon.ru/context/detail/id/29965383/ Путеводитель по современной эконометрике : учеб. пособие для вузов, Вербик М., Банникова В. А., 2008]

* [https://www.amazon.com/Econometrics-Bruce-Hansen/dp/0691235899 Econometrics. Hansen B. Princeton University Press, 2022]

==Неделя 1. Повторение метода максимального правдоподобия. Модели бинарного выбора: формулировка, интерпретация и оценивание==

Материалы лекции:

* [https://drive.google.com/file/d/1X-I0-2OVAv2ENcTMixB4_yfpCUB3tAMi/view?usp=sharing слайды к лекции 1]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-2021/raw/main/1.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F.R Метод максимального правдоподобия]

Дополнительные материалы:

* [https://youtu.be/F7dJmORBXzM Математическая статистика в python 1]
* [https://youtu.be/VKHr1Po9ztI Математическая статистика в python 2]
* [https://youtu.be/3ZGq472-XbE Математическая статистика в python 3]
* [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm Код к видео]

==Неделя 2. Модели бинарного выбора==

Материалы лекции:

* [https://drive.google.com/file/d/1ap0MFI4mvbxVbp8FSDxYCc1dbNgXRhUG/view?usp=sharing слайды к лекции 2]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/1.%20Модели%20бинарного%20выбора.R Модели бинарного выбора]

==Неделя 3. Ошибки спецификации моделей бинарного выбора==

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/2.%20Спецификация%20моделей%20бинарного%20выбора.R Спецификация моделей бинарного выбора]

==Неделя 4.==

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/3.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.r Модель порядкового выбора]

==Неделя 5.==

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/4.%20Модели%20множественного%20выбора.R Модель множественного выбора]

Микроэконометрика бакалавриат 2025-2026

2025-09-26T12:06:49Z

Potanin:

== Общая информация ==

*[https://www.hse.ru/edu/courses/1071155922 Официальная программа курса]

==Вводный курс по R==

Занятия по микроэконометрике проходят в R. Те, кому не знаком данный язык, могут быстро изучить его просмотрев курс видеолекций с задачами и решениями:

Нажмите "развернуть", чтобы увидеть - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 🡣
<div class="mw-collapsible mw-collapsed" style="width:1000px; overflow: hidden;">

* Урок 1. [https://youtu.be/paIf9LCMprY Компиляция кода]

* Урок 2. [https://youtu.be/tL1F12_iNlc Создание и использование переменных]

* Урок 3. [https://youtu.be/sM3DeJtGLPY Типы переменных]

* Урок 4. [https://youtu.be/zGM_SgthBe4 Векторы]

* Урок 5. [https://youtu.be/PrgrnK395Vc Использование функций]

* Урок 6. [https://youtu.be/uaoz4f-zKjY Создание функций]

* Урок 7. [https://youtu.be/HkX5dM4R3D8 Логические выражения]

* Урок 8. [https://youtu.be/m1bib2AyXlI Базовые типы объектов]

* Урок 9. [https://youtu.be/KBm7fzgALU0 Листы]

* Урок 10. [https://youtu.be/apkzLT_2o6U Атрибуты и классы]

* Урок 11. [https://youtu.be/LlSrLdd8L10 Матрицы и массивы]

* Урок 12. [https://youtu.be/47m_JUpQjTA Датафреймы]

* Урок 13. [https://youtu.be/VAtQSSLUbF8 Выбор элементов по логическому вектору]

* Урок 14. [https://youtu.be/tnRn7KRV2YE Сортировка]

* Урок 15. [https://youtu.be/1cH3DlEh6M0 Циклы]

* Урок 16. [https://youtu.be/uGERbID7WzI Факторы]

* Урок 17. [https://youtu.be/SPd5fN1Ug3A Библиотеки (пакеты)]

* Урок 18. [https://youtu.be/xeMJehWKVnk Функция apply]

* Урок 19. [https://youtu.be/ai7v6pr83Sk Графики]

* Урок 20. [https://youtu.be/nvbHgE-Eb68 Пропуски]

* Урок 21. [https://youtu.be/nJ5dZweMu68 Числа с плавающей точкой (сложно)]

* Урок 22. [https://youtu.be/RKagzF99I6I Численное дифференцирование]

* Урок 23. [https://youtu.be/chtyhopWVbY Численная оптимизация]

Также, для изучения R можно использовать:

* [https://www.datacamp.com/courses/free-introduction-to-r?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631908&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=278443377113&utm_targetid=aud-299261629574:dsa-498578053884&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FI5QRm-u5mcfhauXXd9LHMpGWMcD1ym_Hm2ss33YJuhVuCj0eKq_4aAu00EALw_wcB datacamp]

* [https://education.rstudio.com Официальный курс от R-Studio]

* [https://dmkpress.com/catalog/computer/statistics/978-5-97060-835-7/ Книга рецептов R]

Инструкции по установке R и R-studio:

* [https://www.datacamp.com/community/tutorials/installing-R-windows-mac-ubuntu?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631748&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=332602034358&utm_targetid=aud-299261629574:dsa-429603003980&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FJfBlVwhdYEaqeUbjYcaqzOsPfR-9kHB0TFjsJ9bBcZ0qXkvBIRbAaAnKlEALw_wcB Инструкция от datacamp]

* [https://www.youtube.com/watch?v=orjLGFmx6l4 Видео на youtube]
</div>

== Материалы курса в STATA ==
Нажмите "развернуть", чтобы увидеть - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 🡣
<div class="mw-collapsible mw-collapsed" style="width:1000px; overflow: hidden;">

Для воспроизведения .do файлов вам понадобятся данные по индивидам 25-й волны РМЭЗ в .dta формате (полная выборка), которые можно скачать по [https://www.hse.ru/data/2017/10/03/1173710457/r25iall26c.dta ссылке].

1. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/1.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F%20%D0%B8%20%D1%87%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D0%B8.do Метод максимального правдоподобия и численные методы оптимизации]

2. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/2.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Классические модели бинарного выбора]

3. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/3.%20%D0%92%D1%8B%D0%B1%D0%BE%D1%80%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B9%20%D1%81%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D0%B8%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Выбор оптимальной спецификации модели бинарного выбора]

4. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/4.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели порядкового выбора]

5. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/5.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели множественного выбора]

6. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%BD%D0%B8%D0%B5%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D1%8B%20%D0%B8%20%D0%B2%D0%BB%D0%BE%D0%B6%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80.do Моделированние частоты и вложенный выбор]

7. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/7.%20%D0%A3%D1%81%D0%B5%D1%87%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8.do Усеченные модели]

8. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/8.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%A5%D0%B5%D0%BA%D0%BC%D0%B0%D0%BD%D0%B0.do Метод Хекмана]

</div>

==Основная литература==

* [https://www.amazon.com/Econometric-Analysis-8th-William-Greene/dp/0134461363 William H. Greene. Econometric Analysis (8th Edition)]

* [https://www.ozon.ru/context/detail/id/29965383/ Путеводитель по современной эконометрике : учеб. пособие для вузов, Вербик М., Банникова В. А., 2008]

* [https://www.amazon.com/Econometrics-Bruce-Hansen/dp/0691235899 Econometrics. Hansen B. Princeton University Press, 2022]

==Неделя 1. Повторение метода максимального правдоподобия. Модели бинарного выбора: формулировка, интерпретация и оценивание==

Материалы лекции:

* [https://drive.google.com/file/d/1X-I0-2OVAv2ENcTMixB4_yfpCUB3tAMi/view?usp=sharing слайды к лекции 1]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-2021/raw/main/1.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F.R Метод максимального правдоподобия]

Дополнительные материалы:

* [https://youtu.be/F7dJmORBXzM Математическая статистика в python 1]
* [https://youtu.be/VKHr1Po9ztI Математическая статистика в python 2]
* [https://youtu.be/3ZGq472-XbE Математическая статистика в python 3]
* [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm Код к видео]

==Неделя 2. Модели бинарного выбора==

Материалы лекции:

* [https://drive.google.com/file/d/1ap0MFI4mvbxVbp8FSDxYCc1dbNgXRhUG/view?usp=sharing слайды к лекции 2]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/1.%20Модели%20бинарного%20выбора.R Модели бинарного выбора]

==Неделя 3. Ошибки спецификации моделей бинарного выбора==

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/2.%20Спецификация%20моделей%20бинарного%20выбора.R Спецификация моделей бинарного выбора]

==Неделя 4.==

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/3.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.r Модель порядкового выбора]

Микроэконометрика бакалавриат 2025-2026

2025-09-13T12:17:50Z

Potanin: /* Неделя 1. Повторение метода максимального правдоподобия. Модели бинарного выбора: формулировка, интерпретация и оценивание */

== Общая информация ==

*[https://www.hse.ru/edu/courses/1071155922 Официальная программа курса]

==Вводный курс по R==

Занятия по микроэконометрике проходят в R. Те, кому не знаком данный язык, могут быстро изучить его просмотрев курс видеолекций с задачами и решениями:

Нажмите "развернуть", чтобы увидеть - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 🡣
<div class="mw-collapsible mw-collapsed" style="width:1000px; overflow: hidden;">

* Урок 1. [https://youtu.be/paIf9LCMprY Компиляция кода]

* Урок 2. [https://youtu.be/tL1F12_iNlc Создание и использование переменных]

* Урок 3. [https://youtu.be/sM3DeJtGLPY Типы переменных]

* Урок 4. [https://youtu.be/zGM_SgthBe4 Векторы]

* Урок 5. [https://youtu.be/PrgrnK395Vc Использование функций]

* Урок 6. [https://youtu.be/uaoz4f-zKjY Создание функций]

* Урок 7. [https://youtu.be/HkX5dM4R3D8 Логические выражения]

* Урок 8. [https://youtu.be/m1bib2AyXlI Базовые типы объектов]

* Урок 9. [https://youtu.be/KBm7fzgALU0 Листы]

* Урок 10. [https://youtu.be/apkzLT_2o6U Атрибуты и классы]

* Урок 11. [https://youtu.be/LlSrLdd8L10 Матрицы и массивы]

* Урок 12. [https://youtu.be/47m_JUpQjTA Датафреймы]

* Урок 13. [https://youtu.be/VAtQSSLUbF8 Выбор элементов по логическому вектору]

* Урок 14. [https://youtu.be/tnRn7KRV2YE Сортировка]

* Урок 15. [https://youtu.be/1cH3DlEh6M0 Циклы]

* Урок 16. [https://youtu.be/uGERbID7WzI Факторы]

* Урок 17. [https://youtu.be/SPd5fN1Ug3A Библиотеки (пакеты)]

* Урок 18. [https://youtu.be/xeMJehWKVnk Функция apply]

* Урок 19. [https://youtu.be/ai7v6pr83Sk Графики]

* Урок 20. [https://youtu.be/nvbHgE-Eb68 Пропуски]

* Урок 21. [https://youtu.be/nJ5dZweMu68 Числа с плавающей точкой (сложно)]

* Урок 22. [https://youtu.be/RKagzF99I6I Численное дифференцирование]

* Урок 23. [https://youtu.be/chtyhopWVbY Численная оптимизация]

Также, для изучения R можно использовать:

* [https://www.datacamp.com/courses/free-introduction-to-r?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631908&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=278443377113&utm_targetid=aud-299261629574:dsa-498578053884&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FI5QRm-u5mcfhauXXd9LHMpGWMcD1ym_Hm2ss33YJuhVuCj0eKq_4aAu00EALw_wcB datacamp]

* [https://education.rstudio.com Официальный курс от R-Studio]

* [https://dmkpress.com/catalog/computer/statistics/978-5-97060-835-7/ Книга рецептов R]

Инструкции по установке R и R-studio:

* [https://www.datacamp.com/community/tutorials/installing-R-windows-mac-ubuntu?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631748&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=332602034358&utm_targetid=aud-299261629574:dsa-429603003980&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FJfBlVwhdYEaqeUbjYcaqzOsPfR-9kHB0TFjsJ9bBcZ0qXkvBIRbAaAnKlEALw_wcB Инструкция от datacamp]

* [https://www.youtube.com/watch?v=orjLGFmx6l4 Видео на youtube]
</div>

== Материалы курса в STATA ==
Нажмите "развернуть", чтобы увидеть - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 🡣
<div class="mw-collapsible mw-collapsed" style="width:1000px; overflow: hidden;">

Для воспроизведения .do файлов вам понадобятся данные по индивидам 25-й волны РМЭЗ в .dta формате (полная выборка), которые можно скачать по [https://www.hse.ru/data/2017/10/03/1173710457/r25iall26c.dta ссылке].

1. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/1.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F%20%D0%B8%20%D1%87%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D0%B8.do Метод максимального правдоподобия и численные методы оптимизации]

2. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/2.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Классические модели бинарного выбора]

3. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/3.%20%D0%92%D1%8B%D0%B1%D0%BE%D1%80%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B9%20%D1%81%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D0%B8%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Выбор оптимальной спецификации модели бинарного выбора]

4. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/4.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели порядкового выбора]

5. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/5.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели множественного выбора]

6. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%BD%D0%B8%D0%B5%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D1%8B%20%D0%B8%20%D0%B2%D0%BB%D0%BE%D0%B6%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80.do Моделированние частоты и вложенный выбор]

7. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/7.%20%D0%A3%D1%81%D0%B5%D1%87%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8.do Усеченные модели]

8. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/8.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%A5%D0%B5%D0%BA%D0%BC%D0%B0%D0%BD%D0%B0.do Метод Хекмана]

</div>

==Основная литература==

* [https://www.amazon.com/Econometric-Analysis-8th-William-Greene/dp/0134461363 William H. Greene. Econometric Analysis (8th Edition)]

* [https://www.ozon.ru/context/detail/id/29965383/ Путеводитель по современной эконометрике : учеб. пособие для вузов, Вербик М., Банникова В. А., 2008]

* [https://www.amazon.com/Econometrics-Bruce-Hansen/dp/0691235899 Econometrics. Hansen B. Princeton University Press, 2022]

==Неделя 1. Повторение метода максимального правдоподобия. Модели бинарного выбора: формулировка, интерпретация и оценивание==

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-2021/raw/main/1.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F.R Метод максимального правдоподобия]

Дополнительные материалы:

* [https://youtu.be/F7dJmORBXzM Математическая статистика в python 1]
* [https://youtu.be/VKHr1Po9ztI Математическая статистика в python 2]
* [https://youtu.be/3ZGq472-XbE Математическая статистика в python 3]
* [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm Код к видео]

==Неделя 2. Модели бинарного выбора==

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/1.%20Модели%20бинарного%20выбора.R Модели бинарного выбора]

==Неделя 3. Ошибки спецификации моделей бинарного выбора==

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-Master-2022/blob/main/2.%20Спецификация%20моделей%20бинарного%20выбора.R Спецификация моделей бинарного выбора]

Микроэконометрика бакалавриат 2025-2026

2025-08-25T16:20:37Z

Potanin: /* Общая информация */

Микроэконометрика бакалавриат 2025-2026

2025-08-25T16:19:43Z

== Общая информация ==

*[https://dp.hse.ru/#/program/common?programId=886803 Официальная программа курса]
*[https://dp.hse.ru/#/implementation/viewImplementation?implementationId=7260557135&programId реализация текущего года]

==Вводный курс по R==

Занятия по микроэконометрике проходят в R. Те, кому не знаком данный язык, могут быстро изучить его просмотрев курс видеолекций с задачами и решениями:

Нажмите "развернуть", чтобы увидеть - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 🡣
<div class="mw-collapsible mw-collapsed" style="width:1000px; overflow: hidden;">

* Урок 1. [https://youtu.be/paIf9LCMprY Компиляция кода]

* Урок 2. [https://youtu.be/tL1F12_iNlc Создание и использование переменных]

* Урок 3. [https://youtu.be/sM3DeJtGLPY Типы переменных]

* Урок 4. [https://youtu.be/zGM_SgthBe4 Векторы]

* Урок 5. [https://youtu.be/PrgrnK395Vc Использование функций]

* Урок 6. [https://youtu.be/uaoz4f-zKjY Создание функций]

* Урок 7. [https://youtu.be/HkX5dM4R3D8 Логические выражения]

* Урок 8. [https://youtu.be/m1bib2AyXlI Базовые типы объектов]

* Урок 9. [https://youtu.be/KBm7fzgALU0 Листы]

* Урок 10. [https://youtu.be/apkzLT_2o6U Атрибуты и классы]

* Урок 11. [https://youtu.be/LlSrLdd8L10 Матрицы и массивы]

* Урок 12. [https://youtu.be/47m_JUpQjTA Датафреймы]

* Урок 13. [https://youtu.be/VAtQSSLUbF8 Выбор элементов по логическому вектору]

* Урок 14. [https://youtu.be/tnRn7KRV2YE Сортировка]

* Урок 15. [https://youtu.be/1cH3DlEh6M0 Циклы]

* Урок 16. [https://youtu.be/uGERbID7WzI Факторы]

* Урок 17. [https://youtu.be/SPd5fN1Ug3A Библиотеки (пакеты)]

* Урок 18. [https://youtu.be/xeMJehWKVnk Функция apply]

* Урок 19. [https://youtu.be/ai7v6pr83Sk Графики]

* Урок 20. [https://youtu.be/nvbHgE-Eb68 Пропуски]

* Урок 21. [https://youtu.be/nJ5dZweMu68 Числа с плавающей точкой (сложно)]

* Урок 22. [https://youtu.be/RKagzF99I6I Численное дифференцирование]

* Урок 23. [https://youtu.be/chtyhopWVbY Численная оптимизация]

Также, для изучения R можно использовать:

* [https://www.datacamp.com/courses/free-introduction-to-r?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631908&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=278443377113&utm_targetid=aud-299261629574:dsa-498578053884&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FI5QRm-u5mcfhauXXd9LHMpGWMcD1ym_Hm2ss33YJuhVuCj0eKq_4aAu00EALw_wcB datacamp]

* [https://education.rstudio.com Официальный курс от R-Studio]

* [https://dmkpress.com/catalog/computer/statistics/978-5-97060-835-7/ Книга рецептов R]

Инструкции по установке R и R-studio:

* [https://www.datacamp.com/community/tutorials/installing-R-windows-mac-ubuntu?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631748&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=332602034358&utm_targetid=aud-299261629574:dsa-429603003980&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FJfBlVwhdYEaqeUbjYcaqzOsPfR-9kHB0TFjsJ9bBcZ0qXkvBIRbAaAnKlEALw_wcB Инструкция от datacamp]

* [https://www.youtube.com/watch?v=orjLGFmx6l4 Видео на youtube]
</div>

== Материалы курса в STATA ==
Нажмите "развернуть", чтобы увидеть - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 🡣
<div class="mw-collapsible mw-collapsed" style="width:1000px; overflow: hidden;">

Для воспроизведения .do файлов вам понадобятся данные по индивидам 25-й волны РМЭЗ в .dta формате (полная выборка), которые можно скачать по [https://www.hse.ru/data/2017/10/03/1173710457/r25iall26c.dta ссылке].

1. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/1.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F%20%D0%B8%20%D1%87%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D0%B8.do Метод максимального правдоподобия и численные методы оптимизации]

2. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/2.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Классические модели бинарного выбора]

3. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/3.%20%D0%92%D1%8B%D0%B1%D0%BE%D1%80%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B9%20%D1%81%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D0%B8%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Выбор оптимальной спецификации модели бинарного выбора]

4. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/4.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели порядкового выбора]

5. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/5.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели множественного выбора]

6. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%BD%D0%B8%D0%B5%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D1%8B%20%D0%B8%20%D0%B2%D0%BB%D0%BE%D0%B6%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80.do Моделированние частоты и вложенный выбор]

7. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/7.%20%D0%A3%D1%81%D0%B5%D1%87%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8.do Усеченные модели]

8. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/8.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%A5%D0%B5%D0%BA%D0%BC%D0%B0%D0%BD%D0%B0.do Метод Хекмана]

</div>

==Основная литература==

* [https://www.amazon.com/Econometric-Analysis-8th-William-Greene/dp/0134461363 William H. Greene. Econometric Analysis (8th Edition)]

* [https://www.ozon.ru/context/detail/id/29965383/ Путеводитель по современной эконометрике : учеб. пособие для вузов, Вербик М., Банникова В. А., 2008]

* [https://www.amazon.com/Econometrics-Bruce-Hansen/dp/0691235899 Econometrics. Hansen B. Princeton University Press, 2022]

==Неделя 1. Повторение метода максимального правдоподобия. Модели бинарного выбора: формулировка, интерпретация и оценивание==

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-2021/raw/main/1.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F.R Метод максимального правдоподобия]

Дополнительные материалы:

* [https://youtu.be/F7dJmORBXzM Математическая статистика в python 1]
* [https://youtu.be/VKHr1Po9ztI Математическая статистика в python 2]
* [https://youtu.be/3ZGq472-XbE Математическая статистика в python 3]
* [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm Код к видео]

Микроэконометрика бакалавриат 2025-2026

2025-08-25T16:18:37Z

Potanin:

== Общая информация ==

*[https://dp.hse.ru/#/program/common?programId=886803 Официальная программа курса]
*[https://dp.hse.ru/#/implementation/viewImplementation?implementationId=7260557135&programId реализация текущего года]

==Вводный курс по R==

Занятия по микроэконометрике проходят в R. Те, кому не знаком данный язык, могут быстро изучить его просмотрев курс видеолекций с задачами и решениями:

Нажмите "развернуть", чтобы увидеть - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 🡣
<div class="mw-collapsible mw-collapsed" style="width:1000px; overflow: hidden;">

* Урок 1. [https://youtu.be/paIf9LCMprY Компиляция кода]

* Урок 2. [https://youtu.be/tL1F12_iNlc Создание и использование переменных]

* Урок 3. [https://youtu.be/sM3DeJtGLPY Типы переменных]

* Урок 4. [https://youtu.be/zGM_SgthBe4 Векторы]

* Урок 5. [https://youtu.be/PrgrnK395Vc Использование функций]

* Урок 6. [https://youtu.be/uaoz4f-zKjY Создание функций]

* Урок 7. [https://youtu.be/HkX5dM4R3D8 Логические выражения]

* Урок 8. [https://youtu.be/m1bib2AyXlI Базовые типы объектов]

* Урок 9. [https://youtu.be/KBm7fzgALU0 Листы]

* Урок 10. [https://youtu.be/apkzLT_2o6U Атрибуты и классы]

* Урок 11. [https://youtu.be/LlSrLdd8L10 Матрицы и массивы]

* Урок 12. [https://youtu.be/47m_JUpQjTA Датафреймы]

* Урок 13. [https://youtu.be/VAtQSSLUbF8 Выбор элементов по логическому вектору]

* Урок 14. [https://youtu.be/tnRn7KRV2YE Сортировка]

* Урок 15. [https://youtu.be/1cH3DlEh6M0 Циклы]

* Урок 16. [https://youtu.be/uGERbID7WzI Факторы]

* Урок 17. [https://youtu.be/SPd5fN1Ug3A Библиотеки (пакеты)]

* Урок 18. [https://youtu.be/xeMJehWKVnk Функция apply]

* Урок 19. [https://youtu.be/ai7v6pr83Sk Графики]

* Урок 20. [https://youtu.be/nvbHgE-Eb68 Пропуски]

* Урок 21. [https://youtu.be/nJ5dZweMu68 Числа с плавающей точкой (сложно)]

* Урок 22. [https://youtu.be/RKagzF99I6I Численное дифференцирование]

* Урок 23. [https://youtu.be/chtyhopWVbY Численная оптимизация]

Также, для изучения R можно использовать:

* [https://www.datacamp.com/courses/free-introduction-to-r?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631908&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=278443377113&utm_targetid=aud-299261629574:dsa-498578053884&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FI5QRm-u5mcfhauXXd9LHMpGWMcD1ym_Hm2ss33YJuhVuCj0eKq_4aAu00EALw_wcB datacamp]

* [https://education.rstudio.com Официальный курс от R-Studio]

* [https://dmkpress.com/catalog/computer/statistics/978-5-97060-835-7/ Книга рецептов R]

Инструкции по установке R и R-studio:

* [https://www.datacamp.com/community/tutorials/installing-R-windows-mac-ubuntu?utm_source=adwords_ppc&utm_campaignid=1455363063&utm_adgroupid=65083631748&utm_device=c&utm_keyword=&utm_matchtype=b&utm_network=g&utm_adpostion=&utm_creative=332602034358&utm_targetid=aud-299261629574:dsa-429603003980&utm_loc_interest_ms=&utm_loc_physical_ms=9047025&gclid=Cj0KCQjwhb36BRCfARIsAKcXh6FJfBlVwhdYEaqeUbjYcaqzOsPfR-9kHB0TFjsJ9bBcZ0qXkvBIRbAaAnKlEALw_wcB Инструкция от datacamp]

* [https://www.youtube.com/watch?v=orjLGFmx6l4 Видео на youtube]
</div>

== Материалы курса в STATA ==
Нажмите "развернуть", чтобы увидеть - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 🡣
<div class="mw-collapsible mw-collapsed" style="width:1000px; overflow: hidden;">

Для воспроизведения .do файлов вам понадобятся данные по индивидам 25-й волны РМЭЗ в .dta формате (полная выборка), которые можно скачать по [https://www.hse.ru/data/2017/10/03/1173710457/r25iall26c.dta ссылке].

1. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/1.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F%20%D0%B8%20%D1%87%D0%B8%D1%81%D0%BB%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B8%D0%B7%D0%B0%D1%86%D0%B8%D0%B8.do Метод максимального правдоподобия и численные методы оптимизации]

2. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/2.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Классические модели бинарного выбора]

3. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/3.%20%D0%92%D1%8B%D0%B1%D0%BE%D1%80%20%D0%BE%D0%BF%D1%82%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B9%20%D1%81%D0%BF%D0%B5%D1%86%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D0%B8%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%B1%D0%B8%D0%BD%D0%B0%D1%80%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Выбор оптимальной спецификации модели бинарного выбора]

4. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/4.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BF%D0%BE%D1%80%D1%8F%D0%B4%D0%BA%D0%BE%D0%B2%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели порядкового выбора]

5. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/5.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%20%D0%BC%D0%BD%D0%BE%D0%B6%D0%B5%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80%D0%B0.do Модели множественного выбора]

6. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/6.%20%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%BD%D0%B8%D0%B5%20%D1%87%D0%B0%D1%81%D1%82%D0%BE%D1%82%D1%8B%20%D0%B8%20%D0%B2%D0%BB%D0%BE%D0%B6%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9%20%D0%B2%D1%8B%D0%B1%D0%BE%D1%80.do Моделированние частоты и вложенный выбор]

7. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/7.%20%D0%A3%D1%81%D0%B5%D1%87%D0%B5%D0%BD%D0%BD%D1%8B%D0%B5%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8.do Усеченные модели]

8. [https://github.com/bogdanpotanin/Microeconometrics-Stata/raw/main/8.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%A5%D0%B5%D0%BA%D0%BC%D0%B0%D0%BD%D0%B0.do Метод Хекмана]

</div>

==Основная литература==

* [https://www.amazon.com/Econometric-Analysis-8th-William-Greene/dp/0134461363 William H. Greene. Econometric Analysis (8th Edition)]

* [https://www.ozon.ru/context/detail/id/29965383/ Путеводитель по современной эконометрике : учеб. пособие для вузов, Вербик М., Банникова В. А., 2008]

* [https://www.amazon.com/Econometrics-Bruce-Hansen/dp/0691235899 Econometrics. Hansen B. Princeton University Press, 2022]

==Неделя 1. Повторение метода максимального правдоподобия. Модели бинарного выбора: формулировка, интерпретация и оценивание==

Материалы лекции:

* [https://drive.google.com/file/d/1X-I0-2OVAv2ENcTMixB4_yfpCUB3tAMi/view?usp=sharing слайды к лекции 1]

Материалы семинара:

*[https://github.com/bogdanpotanin/Microeconometrics-2021/raw/main/1.%20%D0%9C%D0%B5%D1%82%D0%BE%D0%B4%20%D0%BC%D0%B0%D0%BA%D1%81%D0%B8%D0%BC%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D0%B3%D0%BE%20%D0%BF%D1%80%D0%B0%D0%B2%D0%B4%D0%BE%D0%BF%D0%BE%D0%B4%D0%BE%D0%B1%D0%B8%D1%8F.R Метод максимального правдоподобия]

Дополнительные материалы:

* [https://youtu.be/F7dJmORBXzM Математическая статистика в python 1]
* [https://youtu.be/VKHr1Po9ztI Математическая статистика в python 2]
* [https://youtu.be/3ZGq472-XbE Математическая статистика в python 3]
* [https://colab.research.google.com/drive/1OYq5b7d-ruOGppAmUdbQW-qQJ4XDmFXY?hl=ru#scrollTo=xR1xnEccTqXm Код к видео]