La crescente disponibilità di diversi tipi di dati e quella in ancor più rapida espansione di tecniche di modellizzazione derivanti dall'apprendimento automatico o statistico offre nuove opportunità di studio dell'economia e una più ampia gamma di informazioni a beneficio dei policy maker.
Il webinar, della durata di due giorni, illustrerà i recenti sviluppi nel campo della modellizzazione economica che utilizza i big data nonché gli approcci caratteristici del machine learning.
Le varie sessioni affronteranno un'ampia gamma di argomenti, tra cui:
per quanto concerne la teoria:
- machine learning (deep learning) per le previsioni economiche (ad esempio foreste causali, tecniche di bagging e bootstrapping, ecc.);
- regressione con tecniche di regolarizzazione (modellizzazione e stima con molte covarianti o forti non linearità);
- text mining per classificazione degli articoli e sentiment analysis;
per quanto concerne l'analisi empirica:
- grandi fonti di dati granulari strutturati o non strutturati (dati amministrativi, dati web, notizie e piattaforme per blog, dati di pagamento, dati testuali);
- distributed computing per problemi di machine learning e data cleansing (tecniche di matching, filtering o cleaning, tecniche di tipo SQL, espressioni regolari);
- estrazioni di grandi quantità di dati relativi a temi riguardanti imprese, famiglie, finanza, mercato del lavoro o pubbliche amministrazioni (ad esempio dati provenienti da Google, Twitter, notizie raccolte da Factiva, ecc.).
L'evento si terrà dal 25 al 27 febbraio.
La partecipazione è su invito ed è riservata a banche centrali di alcuni dei nuovi Stati membri dell'Unione Europea, di paesi candidati e potenziali candidati ad accedere alla UE, dei paesi inclusi nella politica di vicinato europea e di altre economie emergenti.
