Zakład Wspomagania i Analizy Decyzji
Instytut Ekonometrii
Szkoła Główna Handlowa
Al. Niepodległości 162
02-554 Warszawa

O mnie
Dydaktyka

UWAGA!

Zaliczenie ćwiczeń odbędzie się w środę 22. maja o godz. 15.10-16.50 w sali C-5d. Proszę przyjść ze swoim komputerem posiadającym oprogramowanie GNU R.

Konsultacje: środy godz. 17.15, C-2D - proszę o wcześniejszą informację chęci przybycia per e-mail.

Reguły Decyzyjne 2 ,
Oprogramowanie: R-Project, Pakiety: car, cluster, e1017, e1071, ecdat, DAAG, datasets, glmnet, graphics, lars, lasso2, leaps, locfit, maxLik, MASS, neuralNet, nnet, nortest, party, randomForest, RColorBrewer, ROCR, RODBC, rpart, RWeka, UsingR, Weka.
LAB1. Wprowadzenie do uczenia statystycznego, wprowadzenie do systemu R: LAB1.R LAB1.csv
LAB2. Podstawy modelowania predykcyjnego: LAB2.R Student.R train.csv test.csv DataDictionary_Churn.xlsx
LAB3. Metody oceny jakości modeli klasyfikacyjnych: ROCetcCol.R australian.dat Student.R train.csv test.csv
LAB4. Zaawansowane algorytmy budowy stabilnych modeli predykcyjnych: selectionShrinkageCol.R communities.data.txt glmnet.R
LAB5. Proces wytwórczy modelu predykcyjnego: LAB5.R StudiumPrzypadku Prezentacja klienci.txt final.txt
LAB6. Metody wyboru postaci modelu prognostycznego: student.R train.csv test.csv DataDictionary.xls PrzydatnoscZbioruTestowego.R
LAB7. Nieparametryczne modele regresyjne: Rozwiązanie ostatniego kejsa GAMs Student.R DataDescription.xls train2010.csv test2011.csv SadowskiZawiszaKaminski.pdf
LAB8. Klasyczne modele uczenia maszynowego: drzewa decyzyjne: optimalTreeCol.R Artykuły dot. metod agregacji drzew cvExampleCol.R
LAB9. Klasyczne modele uczenia maszynowego: sieci neuronowe: neuralNetCol.R
LAB10. Algorytmy uczenia bez nadzoru: clusteringCol.R
LAB11. Modelowanie prognostyczne - zastosowania biznesowe: Treść studium przypadku Kod R train.csv predict.csv Prezentacja
LAB12. Zaliczenie ćwiczeń: Przykładowe zaliczenie ćwiczeń

Literatura:
Ćwik J., Mielniczuk J., Statystyczne systemu uczące się Ćwiczenia w oparciu o pakiet R, Oficyna Wyd. PW 2009
Hand D., Mannila H., Padhraic S., Eksploracja danych, WNT, Warszawa 2005.
Hastie T., Tibshirani R., Friedman J., The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer 2009.
Kamiński B., Zawisza M., Receptury w R. Podręcznik dla ekonomistów, Oficyna Wydawnicza Szkoły Głównej Handlowej, 2012.
Koronacki J., Ćwik J., Statystyczne systemu uczące się, Oficyna Wyd. EXIT 2008.
Krzyśko M., Wołyński W., Górecki T., Skorzybut M., Systemy uczące się, WNT 2008.
Larose D.T., Metody i modele eksploracji danych, Wyd. Naukowe PWN 2008.
Walesiak M., Gatnar E. (red.), Statystyczna analiza danych z wykorzystaniem programu R, Wyd. Naukowe PWN 2009.
Witten I.H., Frank E., Data Mining: Practical Machine Learning Tools and Techniques, Morgan Kaufmann 2005.

Modelowanie Wieloagentowe Zima 2011/2012,
Oprogramowanie: NetLogo 4.1.3, R-Project,
LAB1. Wprowadzenie do środowiska NetLogo: LAB1.txt NetLogo-4-0-QuickGuide.pdf Tutorial3.nlogo Przykładowe artykuły
LAB2. Zero-Intelligence Traders: Gode&Sunder (1993), Implementacja w NetLogo, McBride (2008), Nasza implementacja w NetLogo, Praca domowa
LAB3. Symulacja systemu kolejkowego: Implementacja w NetLogo, Bennett (2010), Modelowanie zdarzeń w Excel'u, Nasza implementacja w NetLogo, Wizualizacja Systemu Kolejkowego w NetLogo, Model z zajec 18. pazdzierniak 2012, Prezentacja
LAB4. Sugarscape: Opis Sugarscape, Model Sugarscape, Mapa cukru, Kod R do mapy przypraw, Mapa przypraw, Nasza implementacja handlu w Sugarscape,
LAB5. Analiza wyników symulacji z case-studies (R): Prezentacja, Kod R, Sugarscape4Tradeexperiment-table.csv, LAB3Vizualizationhistogram-spreadsheet.csv, LAB3VizualizationMeans-table.csv, sellers-number-sensitivity.csv
LAB6. Prezentacja wyników modelowania;
LAB7. Prezentacja wyników modelowania.

Literatura:
Axelrod R., Tesfatsion L., A Guide for Newcomers to Agent-Based Modeling in the Social Sciences, Handbook of Computational Economics, Vol. 2, 2006.
Shoham Y., Leyton-Brown K., Multiagent Systems. Algorithmic, Game-Theoretic, and Logical Foundations, Cambridge University Press, 2008.
Scott P., Model Thinking, 2012.
Vidal J.M., Fundamentals of Multiagent Systems with NetLogo Examples, 2010.
Wilensky, U., NetLogo User Manual, 2011.