Este libro está dedicado a analizar cómo la presencia de datos masivos, denominados con frecuencia por su nombre en inglés, big data, ofrece nuevas oportunidades de aprendizaje en muchas áreas del Análisis Econométrico. Complementa, por tanto, el trabajo de los mismos editores publicado recientemente por Funcas sobre nuevos métodos de predicción económica con datos masivos. En esta ocasión, se revisan distintas técnicas de Aprendizaje Automático (Machine Learning, ML por sus siglas en inglés) que se aplican a grandes conjuntos de datos para resolver distintas cuestiones en análisis econométrico. El volumen consta de nueve capítulos escritos por expertos en “big data” y aprendizaje automático y/o análisis económico, que se organizan de la siguiente manera. [Resumen de editor]
Data Science y sus aplicaciones económicas: una perspectiva personal
págs. 5-24
Adelantando el consumo de las administraciones públicas: big data a través del BOE
págs. 25-48
Economía laboral y big data: panorámica sobre técnicas de regularización en la evaluación de efectos causales
págs. 49-68
págs. 69-94
Éxitos y retos de big data en análisis económico: un recorrido a través de ejemplos
págs. 95-116
Análisis de factores comunes estacionales en datos masivos
Fabio H. Nieto, Daniel Peña Sánchez de Rivera, Stevenson Bolívar
págs. 117-136
págs. 137-162
págs. 163-190
págs. 191-222
© 2001-2024 Fundación Dialnet · Todos los derechos reservados