Il corso offre un’introduzione ai principali algoritmi di Machine Learning applicati all’analisi economica e sociale. Partendo dai limiti predittivi dei modelli econometrici tradizionali, il corso mostra come le tecniche di Machine Learning possano migliorare la capacità di previsione e supportare politiche evidence-based.
Dopo una panoramica teorica, gli studenti apprenderanno a implementare in R i metodi più diffusi nella letteratura economica recente — Lasso, Ridge, Elastic Net, Random Forests, Gradient Boosting Machine e Neural Networks — e a confrontarne le performance su dataset reali.
Il corso si conclude con la replicazione di studi scientifici che impiegano approcci predittivi in economia. L’obiettivo è fornire agli economisti strumenti pratici e solidi per affrontare problemi di analisi dei dati complessi e migliorare la qualità delle decisioni empiriche e di policy.
Cosa imparerai:
- Comprendere il potenziale del Machine Learning nell’analisi economica e nelle scienze sociali.
- Familiarizzare con i principali algoritmi supervisionati (Lasso, Ridge, Elastic Net, Random Forest, GBM, Neural Network).
- Implementare in R procedure di Machine Learning su dataset economici reali.
- Valutare criticamente le performance predittive di diversi modelli e la loro interpretabilità.
- Applicare metodi di Machine Learning alla replicazione di studi scientifici e alla costruzione di evidenze per le politiche pubbliche."
