Cilj predmeta je študentom predstaviti temeljne metode strojnega učenja z jasnim poudarkom na njihovi uporabi v uporabni ekonomiji. Študenti se bodo naučili, kako te metode uporabljati za analizo realnih ekonomskih problemov, kot so napovedovanje cen, povpraševanja in makroekonomskih kazalnikov, ter za analizo vedenja potrošnikov in učinkov ekonomskih politik.

Poseben poudarek je na delu z dejanskimi ekonomskimi podatki, interpretaciji rezultatov v ekonomskem kontekstu ter povezavi z obstoječimi ekonometričnimi pristopi. Po končanem predmetu bodo študenti sposobni samostojno izvesti empirično analizo ekonomskih podatkov z uporabo metod strojnega učenja, razviti napovedne modele ter rezultate jasno in strokovno predstaviti za potrebe odločanja v ekonomiji in poslovni praksi.

1. Uporaba strojnega učenja za ekonomske probleme (napovedovanje, klasifikacija, odkrivanje vzorcev) ter povezava z ekonometričnimi pristopi.
2. Delo z ekonomskimi podatki (panelni podatki, časovne vrste, mikro podatki) ter priprava podatkov za analizo.
3. Napovedni modeli za ključne ekonomske spremenljivke (npr. cene, povpraševanje, zaposlenost).
4. Nelinearne metode (odločitvena drevesa, naključni gozdovi) za analizo kompleksnih ekonomskih odnosov.
5. Metode za segmentacijo in zmanjševanje dimenzij (npr. analiza trgov, vedenja potrošnikov).
6. Uporaba strojnega učenja za časovne vrste (npr. napoved inflacije ali cen energentov).
7. Interpretacija rezultatov v ekonomskem kontekstu ter primerjava z tradicionalnimi pristopi.
8. Empirične študije primerov (cene energentov, učinki politik, vedenje potrošnikov) in projekt na realnih podatkih.